关联销售，简单说就是引导客户在购买商品时，一次性地购买多种。

招数1：诱惑——捆绑优惠

捆绑优惠是指，当消费者按照一定的规则，购买两件及以上商品时才能享受到的优惠政策。

捆绑优惠在线下渠道的使用也很常见，在超市中经常可以看到用黄色胶带捆绑在一起打折销售的商品组合。但是在网络平台上，捆绑优惠能够做得更好：

更直观：在一个不大的页面上，两件商品、折扣力度、最终价格都很明晰地展示了出来。而在线下渠道中，很难有这样普遍性而直观的方式，让客户了解到促销的具体内容。

更灵活：对同一件商品，可以创建多种优惠套餐，消费者可以根据需要选择购买。这样的灵活度是线下很难达到的。

更快速：在网络平台中，可以很快速地创建出多个捆绑优惠套餐，消费者马上就能看到。

捆绑优惠这一招数，吸引消费者的是“优惠”，而将商品捆绑一起强行推销了出去。这一招可以归纳为：诱惑。

招数2：引导——相关搭配

搭配针对商品的自然属性，理解商品之间的相互关系，依据这一相互关系，引导消费者购买更多的商品。

由于搭配是基于商品之间的自然关系，消费者买单的几率会高很多。

以京东商城的“推荐配件”模块为例，对于手机类产品，在这一模块中可以看到京东商城推荐的 贴膜、保护套、电池、蓝牙耳机、充电器、数据线、移动电源、车载配件、耳机等其他种类商品。

相对于线下渠道，网络平台上搭配功能的主要优势在于：

更广泛：对一款手机，可以在线上同时搭配出不同的商品，而在线下渠道中，限于物理展示空间，不可能做到如此的广泛。

搭配这一招数，吸引消费者的是商品之间的自然关系，让消费者觉得搭配的商品也能用得着。这一招可以归纳为：引导。

引导和搭配这两招可以综合使用，效果更好。例如前面举例的易迅“随心配”模块，既有低价的诱惑，又有商品配件关系的引导，消费者自然更加满意。

引导和搭配这两招是网络平台从线下渠道继承并强化的。与线下所施展的招数相比，虽然威力更大，但其本质相同。而这第三招“推荐”则是线上平台所独有，线下渠道是学也学不来的。

招数3：理解——智能推荐

智能推荐是当前被炒得很热门的“大数据”的最常见应用形式之一，它对消费者在网络上的活动数据（包括浏览、购买、评价等）进行分析整理，判断消费者的行为特征，从而“智能”地为消费者推荐商品。

智能推荐系统的算法是当前“大数据”方向的研究热点，粗略分其大类，有两种：

第一类：基于内容的推荐；第二类：协同过滤；

 

改变自卢凯