他是你理想的“知音”嗎

“對(duì)多數(shù)人做選擇最有效的幫助其實(shí)來(lái)自親友和同事。隨意的一兩句推薦，不但傳遞了他們自己真實(shí)的感受，也包含了對(duì)你口味的判斷和隨之而行的篩選。他們不會(huì)向單身漢推薦育兒大全，也不會(huì)給老媽帶回《赤裸特工》。”

很多年前，我看過(guò)一部電影叫《誰(shuí)知女人心》，好萊塢大牌梅爾·吉布森飾演的男主角是一個(gè)典型的大男子主義者。一次浴室觸電的意外突然讓這個(gè)大男人獲得了神奇的本領(lǐng)——“讀心術(shù)”，可以輕而易舉地洞悉身邊女人們的心事，聽(tīng)到她們內(nèi)心的獨(dú)白。盡管一開(kāi)始被這個(gè)本領(lǐng)嚇得半死，可他卻漸漸沉迷，以此俘獲芳心。

“讀心術(shù)”聽(tīng)起來(lái)匪夷所思，卻也有些人正熱衷于此道。仿佛一夜之間，身邊突然出現(xiàn)了一位洞悉你所有喜好的“知音”，可以24小時(shí)提供全方位的貼心指引，不厭其煩地向你推薦那些“你可能感興趣的”東西，從房子，到襪子。

你猜對(duì)了，這就是在不知不覺(jué)中侵占整個(gè)互聯(lián)網(wǎng)的“推薦算法”，不單直指你心底里那些小秘密，更成為了每個(gè)網(wǎng)站拉攏用戶(hù)的核心機(jī)密。

當(dāng)“推薦”讓人欲罷不能

影片租賃網(wǎng)Netflix使用軟件算法來(lái)推薦電影，豆瓣電臺(tái)擅長(zhǎng)推薦“不經(jīng)意的好音樂(lè)”，Goodreads熱衷于推薦書(shū)籍……個(gè)性化的“推薦算法”已全面運(yùn)用到一長(zhǎng)串互聯(lián)網(wǎng)網(wǎng)站中，從視頻推薦、音樂(lè)推薦、購(gòu)物推薦直到好友推薦。

不少網(wǎng)友迷戀上了使用“推薦算法”后的快感。“自從我使用Last.fm和豆瓣電臺(tái)的音樂(lè)服務(wù)之后，就不再在街頭的CD攤駐足，甚至連MP3都很少下載了。”在公關(guān)公司工作的張小姐兩年前就成了豆瓣電臺(tái)的忠實(shí)擁躉，“它推薦的音樂(lè)非常符合我的口味，收藏的音樂(lè)越多，它的推薦越精準(zhǔn)，就像鞋子一樣越穿越合腳。不過(guò)，要是收藏太多音樂(lè)的話(huà)，準(zhǔn)確性就會(huì)有所下降，可能這時(shí)候，連你都不知道自己究竟喜歡哪類(lèi)音樂(lè)了，更何況是個(gè)軟件。”

事實(shí)上，“推薦算法”的工作原理算不上太復(fù)雜。以推薦音樂(lè)的Last.fm網(wǎng)站為例，假如你喜歡王菲，而和你一樣喜歡王菲的朋友在聽(tīng)林憶蓮，Last.fm就會(huì)把林憶蓮放到你的播放列表上。

Last.fm網(wǎng)站的負(fù)責(zé)人對(duì)于“推薦算法”推崇備至，“我們圍繞音樂(lè)建立了一個(gè)龐大的社區(qū)，是這個(gè)社區(qū)幫助我們提煉‘推薦’。推薦的音樂(lè)是從2000多萬(wàn)人真實(shí)的收聽(tīng)習(xí)慣中提取出來(lái)的。用戶(hù)越多，播放音樂(lè)的次數(shù)越多，推薦結(jié)果就越準(zhǔn)確。你能發(fā)現(xiàn)音樂(lè)與音樂(lè)之間往往有意想不到的關(guān)聯(lián)，甚至無(wú)意間泄露你最近的心情。聽(tīng)說(shuō)有人失戀了，心有不甘，就在Last.fm上看前戀人在聽(tīng)什么樣的歌，猜測(cè)他們此時(shí)的心情。”

還有個(gè)性化的“算法推薦”，比如“豆瓣猜你會(huì)喜歡”，豆瓣網(wǎng)最先實(shí)踐的3個(gè)生活領(lǐng)域是圖書(shū)、電影、音樂(lè)。原因也很簡(jiǎn)單，這3個(gè)領(lǐng)域最容易推薦準(zhǔn)確。豆瓣網(wǎng)創(chuàng)始人楊勃曾表示，“對(duì)多數(shù)人做選擇最有效的幫助其實(shí)來(lái)自親友和同事。隨意的一兩句推薦，不但傳遞了他們自己真實(shí)的感受，也包含了對(duì)你口味的判斷和隨之而行的篩選。他們不會(huì)向單身漢推薦育兒大全，也不會(huì)給老媽帶回《赤裸特工》。無(wú)論高矮胖瘦、白雪巴人，豆瓣幫助你通過(guò)你喜愛(ài)的東西找到志同道合者，然后通過(guò)他們找到更多的好東西。”

有意思的是，“推薦算法”還衍生出不少附加的好處。在Last.fm上最好玩的是，觀察人們正在聽(tīng)什么音樂(lè)。這個(gè)數(shù)據(jù)非常有趣，甚至可以準(zhǔn)確預(yù)見(jiàn)什么樂(lè)隊(duì)會(huì)走紅。現(xiàn)在，通過(guò)“推薦算法”作出預(yù)測(cè)已經(jīng)讓不少公司動(dòng)了心。Google創(chuàng)造出一種新的產(chǎn)品用來(lái)嘗試通過(guò)搜索引擎預(yù)測(cè)奧斯卡金像獎(jiǎng)的得主。據(jù)了解，過(guò)去幾年的奧斯卡最佳影片《拆彈部隊(duì)》《貧民窟的百萬(wàn)富翁》《老無(wú)所依》等，都曾于獲獎(jiǎng)前在搜索引擎中表現(xiàn)出了至少4個(gè)星期的上升趨勢(shì)。不過(guò)，顯然這種預(yù)測(cè)還需要加強(qiáng)“準(zhǔn)頭”，搜索大熱的《社交網(wǎng)絡(luò)》最終還是在現(xiàn)實(shí)中敗給了《國(guó)王的演講》。

可以預(yù)見(jiàn)的是，隨著技術(shù)的進(jìn)步，更具人性化、更準(zhǔn)確的“推薦算法”，甚至能通過(guò)體感、虹膜、血壓等數(shù)據(jù)的變化，挖掘到用戶(hù)真實(shí)的內(nèi)心需求。

當(dāng)“推薦”遭遇“商業(yè)智慧”

不過(guò)，對(duì)于“推薦算法”而言，擺在眼前的一個(gè)疑問(wèn)始終揮之不去——這真是一位理想的“知音”嗎？

越來(lái)越多的人發(fā)現(xiàn)，推測(cè)人們的口味，實(shí)在是一樁有利可圖的生意。Netflix投入100萬(wàn)美元給開(kāi)發(fā)小組開(kāi)發(fā)一個(gè)比舊版更好用的電影推薦系統(tǒng)就是最佳證明。現(xiàn)在，更是有眾多專(zhuān)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(zhǎng)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(mài)得很便宜；第三，是幫你找到它。而第三點(diǎn)恰恰是個(gè)性化“推薦算法”的專(zhuān)長(zhǎng)——幫助用戶(hù)在大量的商品中做出選擇。

目前，全球電子商務(wù)零售類(lèi)增長(zhǎng)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(chǎng)分析公司Forrester統(tǒng)計(jì)數(shù)據(jù)顯示，1/3的用戶(hù)會(huì)根據(jù)電子商務(wù)網(wǎng)站的推薦買(mǎi)東西，這是任何廣告都不可能做到的成績(jī)。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(lái)越低，于是有人做出預(yù)見(jiàn)——個(gè)性化推薦技術(shù)將成為廣告的終極形式。

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(lèi)的小站、社區(qū)里的二手交易、“豆瓣猜你會(huì)喜歡的團(tuán)購(gòu)”，直到一些手機(jī)應(yīng)用都已經(jīng)率先試水。按照楊勃的說(shuō)法，“我們希望幫你娛樂(lè)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(kāi)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(yíng)銷(xiāo)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(lèi)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(yè)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

或許有些網(wǎng)站上的自動(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、書(shū)、電影、餐館等推薦狂轟濫炸過(guò)一番后，已經(jīng)有不少人感到各大網(wǎng)站上泛濫成災(zāi)的推薦，更像是一個(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(lái)，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(yè)上立馬列出一個(gè)“最佳購(gòu)買(mǎi)組合”，竟然搭上一只無(wú)油煙健康炒鍋。“我暈，買(mǎi)鞋配個(gè)鍋！真不知道京東網(wǎng)是怎么算的。”

身邊也有些朋友開(kāi)始抱怨，聽(tīng)網(wǎng)站系統(tǒng)推薦的音樂(lè)盡管偶爾也能有驚喜，但總是一個(gè)調(diào)調(diào)的循環(huán)播放還真容易產(chǎn)生審美疲勞。“大部分時(shí)間，網(wǎng)站推薦的音樂(lè)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(shū)推薦也遇到了類(lèi)似的尷尬。網(wǎng)友每點(diǎn)開(kāi)一本書(shū)，“也喜歡……”列表總會(huì)牽扯出另外10本五花八門(mén)的書(shū)，循環(huán)無(wú)窮無(wú)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)大筆的金錢(qián)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(wú)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(méi)有節(jié)制時(shí)，它就讓人無(wú)法從中篩選出“你可能更感興趣”的東西了。

實(shí)事求是地說(shuō)，提高效率、增長(zhǎng)見(jiàn)識(shí)始終不是“推薦算法”的最終目的，開(kāi)發(fā)出它的網(wǎng)站要的是用戶(hù)停留更多的時(shí)間，或者花更多的金錢(qián)，為此甚至可能不惜不斷挖掘出更多的個(gè)人隱私。是的，這就是赤裸裸的“推薦算法”。（摘自《文匯報(bào)》）