在电子商务商店中实现“喜欢这个的人也喜欢...”的功能，主要是通过分析用户的购物行为和喜好，以及利用数据挖掘和推荐算法来提供相关的商品推荐。以下是一些具体的实现步骤和策略：

1. 用户行为追踪与分析：

在电子商务商店中，用户的行为，如浏览历史、搜索历史、购买记录、点击率等都应该被收集和记录。通过这些数据的分析，系统可以理解用户的喜好和兴趣。

2. 标签和推荐引擎：

每一个商品应该被打上相关的标签（tags），例如类型、颜色、大小、品牌等。这些标签可以帮助系统理解商品的特点和属性。然后，推荐引擎可以根据用户的浏览和购买历史，以及他们的搜索行为，来推荐相关的商品。

3. 用户相似度计算：

根据用户的标签和行为数据，可以计算用户之间的相似度。例如，如果两个用户都购买了同一类别的商品，那么他们可能被视为相似的用户。

4. 社交推荐功能：

实现“喜欢这个的人也喜欢...”功能的核心是社交推荐。系统可以展示哪些用户喜欢这个商品，或者展示相似用户的喜欢列表。这样用户可以看到其他人也喜欢这个商品或者其他的相似商品。

5. 个性化推荐邮件和推送通知：

基于用户的购物行为和喜好，可以通过邮件或APP推送的方式向用户发送个性化的商品推荐。这可以包括他们可能感兴趣的商品、最近热销的商品等。

6. 机器学习和人工智能的应用：

利用机器学习和人工智能技术，可以更准确地预测用户的喜好和行为。例如，通过深度学习算法分析用户的购物历史和浏览行为，可以预测用户可能感兴趣的商品和品类。

7. 优化与调整：

根据用户的行为反馈和数据，不断优化推荐算法和模型，确保提供的推荐更符合用户的兴趣和需求。

8. 界面设计与交互：

在商店的界面上，设计清晰的推荐模块和用户互动区域，如“其他用户还喜欢”的模块或用户分享区等，使用户能够方便地发现相关商品的推荐。

实施这一功能的关键在于数据的收集、分析和利用，以及技术的不断更新和优化。通过不断地收集和分析用户数据，可以更好地理解用户的喜好和行为模式，从而提供更准确的推荐。同时，定期更新和优化算法模型也是非常重要的，以确保推荐的准确性和有效性。