當“推薦”遭遇“商業智慧”
不過，對于“推薦算法”而言，擺在眼前的一個疑問始終揮之不去——這真是一位理想的“知音”嗎？
不知你是否注意到，每次在淘寶的時候，從你搜索你想要買的那樣東西開始，到完成交易給對方評價，網站都會在一個小角落滾動推薦一些“你可能感興趣的東西”。這就是悄悄隱藏的“推薦算法”。比如，你曾經購買了幾本村上春樹的作品，算法會自動向你推薦這位作家乃至幾位日本作家的其他作品等。
越來越多的人發現，推測人們的口味，實在一樁有利可圖的生意。影片租賃網Netflix投入100萬美元給開發小組開發一個比舊版更好用的電影推薦系統這一事實就是最佳證明。現在，更是有眾多專家把“推薦算法”推上了繼社交網絡之后web2.0時代“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。而這第三點恰恰是個性化“推薦算法”的專長，幫助用戶在大量的商品中做出選擇。
目前，全球電子商務零售類增長最快的三大巨頭——亞馬遜、Staples和Netflix都已經全面應用了個性化的推薦系統。據市場分析公司Forrester統計數據顯示，三分之一的用戶會根據電子商務網站的推薦買東西，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消費者的影響已經越來越低，于是有人做出預見——個性化推薦技術將成為廣告的終極形式。
國內的豆瓣網也在“推薦算法”的商業應用上蠢蠢欲動，今年從生活類的小站、社區里的二手交易、“豆瓣猜你會喜歡的團購”，直到一些手機應用上都已經率先試水。按照楊勃的說法，“我們希望當別人幫你娛樂游戲八卦的時候，還能幫到你的真實生活。”
“以前都是人工推薦，但系統開發的自動化智能方式更方便、有效。”百分點CEO柏林森認為，個性化推薦技術將成為等同搜索引擎的互聯網基礎服務，個性化推薦服務的精準營銷平臺則將成為電子商務行業的標準配備功能。
難怪在社交網絡產品上屢敗屢戰的Google，仍然執拗地推出了“+1”。如同Facebook上的“Like”一樣，如果在Google搜索結果中看到一條喜歡的鏈接按下“+1”，你的朋友再次進行類似搜索時，便會看到你的推薦。現在，“+1”按鈕只會出現在Google搜索頁面上，但是Google正計劃讓它出現在各大主要網站上。
當“推薦”左右你我生活
或許此種電腦的自動推薦還能勉強算得上新奇，可當被海量般諸如“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，已經有不少人感到迷戀于各大網站上泛濫成災的推薦，儼然更像是打開了一個“潘多拉的盒子”。
網友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，結果網頁上立馬列出一個“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，聽網站系統推薦的音樂盡管偶爾也能驚喜一番，但總是一個調調的循環播放還真很難不讓人產生審美疲勞。“大部分時間中，網站推薦的音樂都非常‘妥帖’，但這就好比我雇了一個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。網友每點開1本書后，“也喜歡……”列表總會牽扯出另外10本五花八門的書，10本又10本循環無窮無盡，最終只能讓人直接忽略掉豆瓣的系統推薦，否則光是看看這些就要消耗不少時間。
當大筆大筆的金錢堆起了“推薦算法”的準確性后，這些裝作能洞悉你心思的系統，卻無法保證推薦的多樣性和新穎性。“推薦算法會局限我們感興趣的領域，阻止我們發現新的精彩”，有網友在論壇上直言不諱。當推薦沒有節制時，它就讓人無法從中篩選出“你可能更感興趣”的東西了。
實事求是地說，提高效率、增長見識始終不是“推薦算法”的最終目的，開發出它的網站要的是用戶停留更多的時間，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人隱私。
有個小故事似乎是最好的印證，說是數學天才JeffHammerbacher，2006年從哈佛畢業，一年后加入Facebook，奠定Facebook業務的基石——以“推薦算法”確保精準廣告。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去大量地點擊廣告，真衰。”這位天才辭職后發出了無限感慨。
是的，這就是赤裸裸的“推薦算法”。
想認識全國各地的創業者、創業專家，快來加入“中國創業圈”
|
