我喜欢的一个例子是，我曾经在亚马逊上搜索“孤独星球”，在“购买此商品的人也购买了”中，我找到了一本关于制作美味冰沙的书，这告诉我，喜欢孤独星球风格的旅行的人和喜欢冰沙的人之间存在这种随机的亲和力。这可能是一种微小的依恋。这可能是一种微小的关系，
当您制作 Facebook 广告时
您可以输入精确的兴趣，它会向 Ws 粉丝 您显示其他相关的精确兴趣。这些关系几乎完全建立在有共同点的人身上。所以有时没有匹配，这两个不同的概念或兴趣之间没有任何关系，除了许多人都喜欢它们这一事实。所以这是一个很好的起点。 任何使用协同过滤的网站。例如，亚马逊。任何有“购买此商品的人也购买了那商品”的网站都是尝试此方法的好地方。
去亚马逊上试试
看看“购买了商品的人也购买了” 。你会 很多客户向他反馈自己很困惑 发现各种很酷的关系。 Followerwonk是一款出色的工具。使用这个工具需要多花点功夫，但你可以找到的数据非常惊人。假设你知道 Rand 是你的客户之一。他是一个完美的客户，也是你完美客户的典型代表。你可以登录 Followerwonk，找到所有关注他的人，然后拉出他们的所有个人资料，对这些个人资料进行一些研究，看看这些人还表达了什么其他兴趣。
所以他们关注的是 Randfish
但也许其中很多人都对漫画书 安圭拉铅 感兴趣，而且不只是一两个。他们的数量很大。你只是找到了一种随机的亲和力。喜欢 Rand 的人也喜欢漫画书。然后你就可以找到这个区域，在这个区域销售和吸引兴趣总是更容易。 再次强调，你可以用它来推动内容策略。你可以用它来推动关键词选择， 在您自己的网站上
您要利用这一点的方法是确保设置了 rel=author 和 publisher，因为这是我们目前最明显的 IdeaGraph 实现，即 rel=author 和 publisher。 确保尽可能使用 Schema.org 中的架构。