若然你是一間超級巿場的老闆，你會怎樣安排貨品上架呢？最簡單亦最常用的方法就是因應貨品的類別進行分類放置。然而，這做法令顧客未必很容易地接觸到他們所需要的貨品，既會影響貨品銷售之餘，亦會影響客戶服務。要加強銷售，老闆可以考慮把貨品放在最當眼的位置，例如把女性貨品放在化妝品專區附近、男性貨品放在體育用品專區附近等。
上述銷售方法的設計是以貨品及位置為本，主要是為實體商店而設，不過此方法在網上購物的場景中卻難以奏效，原因是網店與實體店不同，網上消費者甚少花時間去逛虛擬商店。在網購時若要把貨品放在合適的位置去吸引消費者眼球，傳統的推銷方法必須改良。就此，互聯網科學家多年來着力研究推薦系統（Recommender System）技術。在功能上推薦系統利用訊息過濾方法把貨品適時地及有效地推薦給在線客戶。
具跨領域知識 事半功倍
推薦系統的核心算法是以客為本，目的是先了解顧客購物的習慣及喜愛，然後在推薦貨品時投其所好。常用的推薦算法主要有兩種：
（1）協同過濾（Collaborative Filtering）方法假設「物以類聚，人以群分」，假設與客戶購物習慣或興趣類似的朋友所喜愛的貨品，必然是系統可以推薦的目標，基於此理念算法繼而預測客戶對哪些貨品較有可能感興趣。例如由於你的大學同學喜歡看金庸武俠小說，Amazon會推薦你看《射鵰英雄傳》。
（2）基於內容推薦（Content-based Recommendation）利用貨品的特徵，向客戶推薦具有類似性質的相似貨品。例如，Netflix向喜歡看周星馳電影的客戶推薦其他笑片。再者，有人把兩種算法互相結合而構建混合推薦（Hybrid recommendation）模型。
不論是什麼推薦系統，這些算法的前設條件是需要系統分別預先擁有目標客戶之相關朋友及同類貨品的資料。若然沒有這些資料的話，算法便無法向新客戶有效地推薦新產品，這現象俗稱為「冷啟動」（Cold Start）。其中一個解決方案是公司向新客戶提供誘因（Incentive）例如折扣，但這純粹是一種市場推廣手法，與推薦算法扯不上任何關係。
小學STEM教育重中之重
近年社交網絡（Social Network）全球大行其道，企業經常利用有關平台進行產品銷售，很自然地推薦技術也被廣泛地採用。社交網絡的特別之處是其互動功能，與傳統互聯網單向為主的推薦手法相比有着很大的優化空間，尤其是在解決「冷起動」的問題上。例如企業可以利用對話系統（Dialogue System）技術構建網紅聊天機器人（KOL Chatbot）作產品推銷員。如真人網紅一樣，聊天機器人好像漫無目的地與用戶對話，其實暗底裏它在鼓其如簧之舌向客人推薦公司的產品。從構造上網紅聊天機器人不但包含自然語言處理（Natural Language Processing, NLP）、對話系統、推薦系統等人工智能技術，也具備市場推銷、心理學等非電腦科學的知識，從而使它的特定（產品推薦）功能非常全面。
總結而言，上述案例反映創新及科技應用是一門跨學科的課題。香港未來若要在這領域重點發展，人才培育尤其關鍵，政府必須從小學開始，就此小學STEM教育非常之重要。
原刊於《信報》，本社獲作者授權轉載。
