個(gè)性化推薦是不是一個(gè)偽需求?

首先我覺得需要重新界定下標(biāo)題為“相對可靠的個(gè)性化推薦是不是一個(gè)偽需求?”

是否是一個(gè)偽需求要看個(gè)性化推薦是否有助于滿足用戶的需求习劫,個(gè)性化推薦是一種產(chǎn)品方案,背后是一種技術(shù)算法嚼隘,而這種產(chǎn)品方案要權(quán)衡的在某種場景中是否有幫助用戶達(dá)成某種目的诽里。

我們先回到之前的PC時(shí)代,PC時(shí)代典型的是一個(gè)靠搜索驅(qū)動(dòng)的時(shí)代飞蛹,基于關(guān)鍵字在全站來驚醒相應(yīng)的搜索谤狡,查找自己感興趣的內(nèi)容,這里主要是因?yàn)閮蓚€(gè)原因:

1卧檐、PC時(shí)代人機(jī)交互的方式主要是由鼠標(biāo)和鍵盤來完成墓懂,對于相應(yīng)的信息輸入簡單快速。

2霉囚、用戶相應(yīng)信息的持續(xù)性的收集存在一些障礙捕仔,主要是工作設(shè)備和生活中用到的設(shè)備絕對的相對分離,以及PC基本上無登錄式的訪問導(dǎo)致收集到的用戶信息支離破碎佛嬉。

而在移動(dòng)互聯(lián)網(wǎng)時(shí)代受限設(shè)備的大小影響到人機(jī)交互方式的巨大改變逻澳,原本的輸入的方式在移動(dòng)設(shè)備上相對的變得困難,反而一些手勢類的操作變的更為簡單方便暖呕。此外正是移動(dòng)設(shè)備的隨時(shí)隨地導(dǎo)致在移動(dòng)設(shè)備上可以持續(xù)的跟蹤和收集用戶的訪問數(shù)據(jù)斜做,使得基于用戶數(shù)據(jù)來分析用戶的行為在準(zhǔn)確程度上有了很大的提高。

正是因?yàn)橐苿?dòng)互聯(lián)網(wǎng)的發(fā)展湾揽,使的基于用戶數(shù)據(jù)來針對用戶做個(gè)性化推薦成為了可能瓤逼,在交互層面也使得用戶體驗(yàn)得到了極大的提升。

1库物、進(jìn)行個(gè)性化推薦的原因

A:滿足用戶的需求---體驗(yàn)

其實(shí)內(nèi)容還是哪些內(nèi)容霸旗,即使不采用個(gè)性化推薦,使用搜索加上各種分類毅然是可以讓用戶看到自己想看的內(nèi)容戚揭,只不過是相應(yīng)的操作和流程要麻煩一些诱告,就如同一個(gè)人想在一個(gè)小城市里面找到想吃的美食——自己還得費(fèi)把子力氣!而現(xiàn)在給你安排了一個(gè)生活助理民晒,生活助理根據(jù)你的喜好精居,直接找到美食,每天直接端到你的面前——省事還不費(fèi)力潜必,關(guān)鍵是這個(gè)生活助理還免費(fèi)靴姿。個(gè)性化推薦主要是基于用戶的使用數(shù)據(jù)來建立用戶的畫像,根據(jù)用戶的畫像來個(gè)性化推薦相應(yīng)的信息來滿足用戶的需求磁滚。大大的提高了用戶和信息的匹配速度佛吓,節(jié)省了用戶的操作步驟。但是這里要先說明一下“所有的這一切都是定義在相對準(zhǔn)備的個(gè)性化推薦!”

B:滿足企業(yè)的需求——轉(zhuǎn)化

轉(zhuǎn)化是互聯(lián)網(wǎng)企業(yè)關(guān)注的重點(diǎn)目標(biāo)之一维雇,任何企業(yè)最終都是要進(jìn)行商業(yè)化淤刃,那么商業(yè)化就必然存在著轉(zhuǎn)化用戶一說,在最早的商業(yè)時(shí)代谆沃,不都講究的是商人能夠察言觀色钝凶,根據(jù)用戶的喜歡給用戶推薦相應(yīng)的商品更甚至是個(gè)性化的商品價(jià)格及交易方式。那么在互聯(lián)網(wǎng)時(shí)代唁影,用戶和企業(yè)之間是通過網(wǎng)線來鏈接的耕陷,如何能夠察言觀色還得是根據(jù)用戶的使用數(shù)據(jù)來分析用戶的偏好,針對性的設(shè)定轉(zhuǎn)化方式据沈,以求盡可能的轉(zhuǎn)化每一個(gè)用戶哟沫。所以個(gè)性化的推薦也在很大程度上是有企業(yè)端的需求來驅(qū)動(dòng)。

在此說了那么多個(gè)性化推薦的原因和好處锌介,但是個(gè)性化的并不是任何一個(gè)互聯(lián)網(wǎng)產(chǎn)品都是可以做的嗜诀,個(gè)性化推薦是一起良藥也是一劑毒藥,良藥與否還得看個(gè)性化推薦的落地和推薦孔祸。

我在前文講到過隆敢,個(gè)性化推薦包含兩部分“產(chǎn)品方案”和“算法”,產(chǎn)品方案決定的合理的業(yè)務(wù)邏輯崔慧,算法是如何基于程序如何實(shí)現(xiàn)這種業(yè)務(wù)邏輯拂蝎。在這里我們需要提到兩個(gè)內(nèi)容“用戶畫像”、“信息畫像”惶室。

信息畫像:其實(shí)也就是大家經(jīng)常講的就是信息tag,我們需要從多個(gè)維度來針對信息進(jìn)行標(biāo)簽化温自,原則上緯度越多越好。這種信息的標(biāo)簽化常規(guī)來講主要是兩種方式來實(shí)現(xiàn)皇钞。1悼泌、手工標(biāo)注(工作量較大,準(zhǔn)確度相對較高)? 2夹界、基于數(shù)據(jù)統(tǒng)計(jì)的機(jī)器標(biāo)注(處理速度相對較快馆里,準(zhǔn)確度待考核,需要校驗(yàn))可柿。至于使用那種方式不一而論也拜。

用戶畫像:首先用戶畫像是一個(gè)動(dòng)態(tài)的。用戶畫像常規(guī)來說包含兩部分趾痘,1、產(chǎn)品采集的用戶數(shù)據(jù)(注冊獲取的用戶屬性)? 2蔓钟、用戶的使用軌跡(基于軌跡進(jìn)行的相應(yīng)的標(biāo)簽化)永票。這兩種數(shù)據(jù)有的時(shí)候會(huì)是矛盾的,因?yàn)槲覀儫o法當(dāng)前和用戶來進(jìn)行相應(yīng)的核實(shí),所以在實(shí)際應(yīng)用過程中都是按照一定的權(quán)重來進(jìn)行分析侣集。

關(guān)于產(chǎn)品的業(yè)務(wù)邏輯键俱,也就是盡可能的枚舉出不同畫像的用戶所對應(yīng)的不同的信息畫像,理論上枚舉的越多越好世分。在實(shí)際操作中也是這樣编振,很多產(chǎn)品能夠枚舉出250+所中組合的用戶畫像,然后映射信息畫像臭埋。

但是在算法的環(huán)節(jié)并不是影響枚舉映射的踪央,而是基于相應(yīng)的算法來實(shí)現(xiàn)用戶畫像和信息畫像的匹配,實(shí)際過程中并不完全如此瓢阴,有的時(shí)候也會(huì)根據(jù)用戶的也定屬性來進(jìn)行一些大概的分類畅蹂,每個(gè)分類的算法并不全然相同。此外我們所稱的算法精確度并不是要求一定100%的準(zhǔn)確荣恐,因?yàn)闇?zhǔn)確畢竟是相對的液斜。

所以我們可以看出關(guān)于個(gè)性化推薦并不是一件容易的事情,同時(shí)也不是一步就能到位叠穆,涉及到的算法就需要不停的優(yōu)化少漆、驗(yàn)證、校驗(yàn)硼被。

如果最終能夠能達(dá)到一種相對合理的程度示损,那么的確會(huì)大大的方便用戶,提升了信息和用戶匹配的效率祷嘶,是受用戶歡迎的屎媳。但是如果個(gè)性化推薦的最后的準(zhǔn)確度不是很高,那么將會(huì)給用戶帶來一些困擾论巍,甚至是一些用戶的抱怨烛谊,最后棄產(chǎn)品而出,因?yàn)椴粌H僅沒有幫助到用戶嘉汰,反而極大的增加了用戶的使用成本丹禀。所以說個(gè)性化推薦既是一劑良藥也是一劑毒藥。

從人機(jī)交互的變化鞋怀,用戶體驗(yàn)性的需求及企業(yè)轉(zhuǎn)化的需求及相對可靠的個(gè)性化推薦所帶來的結(jié)果双泪,我覺得“相對可靠的個(gè)性化推薦是一個(gè)真實(shí)的需求”,只不過是用戶不會(huì)直接告訴你我需要的是個(gè)性化的推薦密似,而是能不能把我想看的東西放在這里焙矛。

此外需要補(bǔ)充一點(diǎn),關(guān)于個(gè)性化推薦的倫理道德問題残腌,關(guān)于這一點(diǎn)其實(shí)在歐美討論的比較多村斟,辯論也很激烈贫导,但是目前關(guān)注的點(diǎn)還是在于“用戶數(shù)據(jù)隱私”。

個(gè)性化推薦倫理道德

在互聯(lián)網(wǎng)屆其實(shí)也一直存在一種反對的聲音蟆盹,這種反對主要是反對互聯(lián)網(wǎng)產(chǎn)品使用用戶的隱私數(shù)據(jù)來進(jìn)行相應(yīng)的加工孩灯,來評估用戶的需求,并且在互聯(lián)網(wǎng)產(chǎn)品矩陣中針對用戶的需求來推送相應(yīng)的產(chǎn)品逾滥,在歐美峰档,這種事情引起的反感程度遠(yuǎn)遠(yuǎn)比國內(nèi)強(qiáng)烈,因?yàn)椴糠钟脩粲X得這些大型的互聯(lián)網(wǎng)公司介入了日常生活中的方方面面寨昙,結(jié)合搜集的用戶數(shù)據(jù)讥巡,來做針對性的推薦,這是利用用戶的心理缺陷來做針對性的攻擊毅待。

其實(shí)在日常生活中我們也經(jīng)常遇到這種問題尚卫,比如剛剛在天貓上搜索了相應(yīng)的商品,然后在今日頭條等其它App上尸红,也會(huì)出現(xiàn)相應(yīng)的商品的推薦吱涉,雖然很多人不知道此類信息是如何共享,以及是否有共享外里,但是給用戶的心理感覺就是這里面有鬼怎爵。

才外還有另外一種聲音“基于海量點(diǎn)擊的算法推薦帶來的閱讀和視野的狹窄和偏見”,這一反思是由鳳凰網(wǎng)CEO盅蝗、一點(diǎn)資訊董事長劉爽指出算法的三大缺陷中的一個(gè)鳖链。因?yàn)閭€(gè)性化算法的基礎(chǔ)邏輯是,如果一篇文章更受歡迎墩莫,就更應(yīng)該被推薦給具有對應(yīng)標(biāo)簽的你芙委。在劉爽看來,這個(gè)推薦邏輯導(dǎo)致的后果是狂秦,“算法推薦的是大眾灌侣,甚至是庸眾一致叫好的高點(diǎn)擊作品,但不一定是用戶所在的那一個(gè)圈層所高度認(rèn)可的裂问〔嗵洌”? ?

誠如:有的時(shí)候我們世界里面還是需要一些雜音,讓我們知道外面還有一個(gè)世界堪簿!

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末痊乾,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子椭更,更是在濱河造成了極大的恐慌哪审,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,496評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件虑瀑,死亡現(xiàn)場離奇詭異协饲,居然都是意外死亡畏腕,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,407評論 3 392
  • 文/潘曉璐 我一進(jìn)店門茉稠,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人把夸,你說我怎么就攤上這事而线。” “怎么了恋日?”我有些...
    開封第一講書人閱讀 162,632評論 0 353
  • 文/不壞的土叔 我叫張陵膀篮,是天一觀的道長。 經(jīng)常有香客問我岂膳,道長誓竿,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,180評論 1 292
  • 正文 為了忘掉前任谈截,我火速辦了婚禮筷屡,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘簸喂。我一直安慰自己毙死,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,198評論 6 388
  • 文/花漫 我一把揭開白布喻鳄。 她就那樣靜靜地躺著扼倘,像睡著了一般。 火紅的嫁衣襯著肌膚如雪除呵。 梳的紋絲不亂的頭發(fā)上再菊,一...
    開封第一講書人閱讀 51,165評論 1 299
  • 那天,我揣著相機(jī)與錄音颜曾,去河邊找鬼纠拔。 笑死,一個(gè)胖子當(dāng)著我的面吹牛泛啸,可吹牛的內(nèi)容都是我干的绿语。 我是一名探鬼主播,決...
    沈念sama閱讀 40,052評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼候址,長吁一口氣:“原來是場噩夢啊……” “哼吕粹!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起岗仑,我...
    開封第一講書人閱讀 38,910評論 0 274
  • 序言:老撾萬榮一對情侶失蹤匹耕,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后荠雕,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體稳其,經(jīng)...
    沈念sama閱讀 45,324評論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡驶赏,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,542評論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了既鞠。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片煤傍。...
    茶點(diǎn)故事閱讀 39,711評論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖嘱蛋,靈堂內(nèi)的尸體忽然破棺而出蚯姆,到底是詐尸還是另有隱情,我是刑警寧澤洒敏,帶...
    沈念sama閱讀 35,424評論 5 343
  • 正文 年R本政府宣布龄恋,位于F島的核電站,受9級特大地震影響凶伙,放射性物質(zhì)發(fā)生泄漏郭毕。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,017評論 3 326
  • 文/蒙蒙 一函荣、第九天 我趴在偏房一處隱蔽的房頂上張望显押。 院中可真熱鬧,春花似錦偏竟、人聲如沸煮落。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,668評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽蝉仇。三九已至,卻和暖如春殖蚕,著一層夾襖步出監(jiān)牢的瞬間轿衔,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,823評論 1 269
  • 我被黑心中介騙來泰國打工睦疫, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留害驹,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 47,722評論 2 368
  • 正文 我出身青樓蛤育,卻偏偏與公主長得像宛官,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子瓦糕,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,611評論 2 353

推薦閱讀更多精彩內(nèi)容