數字只是相對的

想像你現在正在一間唱片行裡挑喜歡的 CD，當你正要帶著一張標價 399 元的搖滾專輯去櫃檯結帳的時候，旁邊有一個背著吉他的年輕人拉著你，說：「我只是好心想告訴你，這張專輯在 2 公里遠的那個唱片行只賣 299 喔！」，你可能會把這張專輯放回架上，然後走到年輕人說的那間店，省 100 元。再想像你正在手機店挑，最新的智慧型手機，你看上了價值 22000 的最新機型，旁邊一樣有一個凸肚子的中年人跟你說：「如果你願意多走幾步路，1 公里遠那間手機行只賣 21900 喔！」，這次你還會選擇多走這 1 公里嗎？

理性主義的經濟學家們一定會用力點頭，第一個例子裡面走 2 公里省 100 都願意，第二個例子裡面走 1 公里省 100 當然更合理。但是人們的心理真的是這樣運作的嗎？你跟我都知道不是。

數字只是相對的。

對於同樣省去 100 元，我們面對 399 元的專輯，會覺得 100 原是個大數字，但是對於 22000 的智慧型手機，100 好像就有點微不足道了。不只是省錢，我們往往選購配件或其他商品的時候也會出現類似的反應。22000 的智慧型手機，加個 1000 元再買個保護套好像很合理、再加個 1500 元再買個電池以防不時之需，不知不覺我們就花費 24500 買了一堆戰利品。

網頁上的推薦商品也是這麼回事，記得數字只是相對的。在高價值的商品消費頁面上，相對低價的配件看起來就更有吸引力了。同樣的配件，被推薦在高價值的商品和較低價值的商品所產生的連結反應是不一樣的。設計商品推薦的演算法時，除了考慮兩個商品的屬性、品牌、購物頻率等中介資料（metadata）外，價格和價格之間的相對關係也是很重要的。

舉例來說，當消費者在逛分別價值 15000 和 7999 的數位相機時，推薦的相機包是 2000 還是 1000 ，消費者的吸引力是完全不同的。小心分析消費者群，然後讓配件或其他推薦商品的價值落在主要商品的價格容許範圍內，絕對是需要仔細考慮而且非常重要的重點之一。