當(dāng)“推薦”遭遇“商業(yè)智慧”
不過，對(duì)于“推薦算法”而言，擺在眼前的一個(gè)疑問始終揮之不去——這真是一位理想的“知音”嗎？
不知你是否注意到，每次在淘寶的時(shí)候，從你搜索你想要買的那樣?xùn)|西開始，到完成交易給對(duì)方評(píng)價(jià)，網(wǎng)站都會(huì)在一個(gè)小角落滾動(dòng)推薦一些“你可能感興趣的東西”。這就是悄悄隱藏的“推薦算法”。比如，你曾經(jīng)購買了幾本村上春樹的作品，算法會(huì)自動(dòng)向你推薦這位作家乃至幾位日本作家的其他作品等。
越來越多的人發(fā)現(xiàn)，推測人們的口味，實(shí)在一樁有利可圖的生意。影片租賃網(wǎng)Netflix投入100萬美元給開發(fā)小組開發(fā)一個(gè)比舊版更好用的電影推薦系統(tǒng)這一事實(shí)就是最佳證明。現(xiàn)在，更是有眾多專家把“推薦算法”推上了繼社交網(wǎng)絡(luò)之后web2.0時(shí)代“最大黑馬”的寶座。
《連線》雜志主編克里斯·安德森提出“長尾理論”的三個(gè)法則，第一是讓所有東西都可以被獲得；第二是讓這些東西賣得很便宜；第三是幫我找到它。而這第三點(diǎn)恰恰是個(gè)性化“推薦算法”的專長，幫助用戶在大量的商品中做出選擇。
目前，全球電子商務(wù)零售類增長最快的三大巨頭——亞馬遜、Staples和Netflix都已經(jīng)全面應(yīng)用了個(gè)性化的推薦系統(tǒng)。據(jù)市場分析公司Forrester統(tǒng)計(jì)數(shù)據(jù)顯示，三分之一的用戶會(huì)根據(jù)電子商務(wù)網(wǎng)站的推薦買東西，這是任何廣告都不可能做到的成績。媒體上播放的大眾化廣告對(duì)消費(fèi)者的影響已經(jīng)越來越低，于是有人做出預(yù)見——個(gè)性化推薦技術(shù)將成為廣告的終極形式。
國內(nèi)的豆瓣網(wǎng)也在“推薦算法”的商業(yè)應(yīng)用上蠢蠢欲動(dòng)，今年從生活類的小站、社區(qū)里的二手交易、“豆瓣猜你會(huì)喜歡的團(tuán)購”，直到一些手機(jī)應(yīng)用上都已經(jīng)率先試水。按照楊勃的說法，“我們希望當(dāng)別人幫你娛樂游戲八卦的時(shí)候，還能幫到你的真實(shí)生活。”
“以前都是人工推薦，但系統(tǒng)開發(fā)的自動(dòng)化智能方式更方便、有效。”百分點(diǎn)CEO柏林森認(rèn)為，個(gè)性化推薦技術(shù)將成為等同搜索引擎的互聯(lián)網(wǎng)基礎(chǔ)服務(wù)，個(gè)性化推薦服務(wù)的精準(zhǔn)營銷平臺(tái)則將成為電子商務(wù)行業(yè)的標(biāo)準(zhǔn)配備功能。
難怪在社交網(wǎng)絡(luò)產(chǎn)品上屢敗屢戰(zhàn)的Google，仍然執(zhí)拗地推出了“+1”。如同F(xiàn)acebook上的“Like”一樣，如果在Google搜索結(jié)果中看到一條喜歡的鏈接按下“+1”，你的朋友再次進(jìn)行類似搜索時(shí)，便會(huì)看到你的推薦。現(xiàn)在，“+1”按鈕只會(huì)出現(xiàn)在Google搜索頁面上，但是Google正計(jì)劃讓它出現(xiàn)在各大主要網(wǎng)站上。
當(dāng)“推薦”左右你我生活
或許此種電腦的自動(dòng)推薦還能勉強(qiáng)算得上新奇，可當(dāng)被海量般諸如“你可能感興趣的新聞”、“你可能感興趣的書”、“你可能感興趣的電影”、“你可能感興趣的餐館”、“你可能感興趣的……”等推薦狂轟亂炸過一番后，已經(jīng)有不少人感到迷戀于各大網(wǎng)站上泛濫成災(zāi)的推薦，儼然更像是打開了一個(gè)“潘多拉的盒子”。
網(wǎng)友MarsC最近就被推薦算法“雷”了一記。原來，他在京東商城上興致勃勃地訂了雙緩沖跑鞋，結(jié)果網(wǎng)頁上立馬列出一個(gè)“最佳購買組合”，竟然搭上一只無油煙健康炒鍋。“我暈，買鞋配個(gè)鍋！真不知道京東怎么算的。”
身邊也有些朋友開始向記者抱怨，聽網(wǎng)站系統(tǒng)推薦的音樂盡管偶爾也能驚喜一番，但總是一個(gè)調(diào)調(diào)的循環(huán)播放還真很難不讓人產(chǎn)生審美疲勞。“大部分時(shí)間中，網(wǎng)站推薦的音樂都非常‘妥帖’，但這就好比我雇了一個(gè)只懂得順從和諂媚的DJ。”
豆瓣的圖書推薦也遇到了類似的尷尬。網(wǎng)友每點(diǎn)開1本書后，“也喜歡……”列表總會(huì)牽扯出另外10本五花八門的書，10本又10本循環(huán)無窮無盡，最終只能讓人直接忽略掉豆瓣的系統(tǒng)推薦，否則光是看看這些就要消耗不少時(shí)間。
當(dāng)大筆大筆的金錢堆起了“推薦算法”的準(zhǔn)確性后，這些裝作能洞悉你心思的系統(tǒng)，卻無法保證推薦的多樣性和新穎性。“推薦算法會(huì)局限我們感興趣的領(lǐng)域，阻止我們發(fā)現(xiàn)新的精彩”，有網(wǎng)友在論壇上直言不諱。當(dāng)推薦沒有節(jié)制時(shí)，它就讓人無法從中篩選出“你可能更感興趣”的東西了。
實(shí)事求是地說，提高效率、增長見識(shí)始終不是“推薦算法”的最終目的，開發(fā)出它的網(wǎng)站要的是用戶停留更多的時(shí)間，或者花去更多的金錢，為此甚至可能不惜不斷挖掘出更多的個(gè)人隱私。
有個(gè)小故事似乎是最好的印證，說是數(shù)學(xué)天才JeffHammerbacher，2006年從哈佛畢業(yè)，一年后加入Facebook，奠定Facebook業(yè)務(wù)的基石——以“推薦算法”確保精準(zhǔn)廣告。可僅僅待了兩年之后，Hammerbacher開始懷疑人生，于是2008年他從Facebook辭職了。“我的腦袋竟然都在這里思考著怎樣讓人們?nèi)ゴ罅康攸c(diǎn)擊廣告，真衰。”這位天才辭職后發(fā)出了無限感慨。
是的，這就是赤裸裸的“推薦算法”。
想認(rèn)識(shí)全國各地的創(chuàng)業(yè)者、創(chuàng)業(yè)專家，快來加入“中國創(chuàng)業(yè)圈”
|
