“推薦”時代到來?

當互聯網上的信息量已經龐雜到讓人暈頭轉向的時候，人們使用百度與谷歌的頻率卻在與日遞減。相反，帶有“推薦”意味的應用與網站萌生出來，幫網民回避漫無目的的搜索。就連百度CEO李彥宏都在“百度世界2011大會”上表示，百度要從“即搜即得”過渡到“不搜即得”，在首頁上集成更多應用與網站，直接推薦給用戶使用。

這些跡象說明：屬于“推薦”的時代，也許真的到了。本刊2011年10月期的《數據戰——互聯網江湖隱蔽陣線》一文中提到的麥路、百分點科技、微精等公司，都在沿用這種思路，獲取用戶數據，加以分析，然后進行推薦，更別提那些更新鮮、更細分的推薦應用。可以說，它們前進的一小步，也是我們向“個性化互聯網時代”邁進的一大步。

但從生意的角度，這些“推薦”類應用充滿理想主義色彩，它們不僅距離“變現”還有點遠，其中一些甚至只是以“插件”形式存在，與其他網站搭幫過日子。它們在中國能否演化出完整的盈利模式？而順著“推薦”的思路去延伸，又能否尋找到更多機會？

下文將“推薦”大體分為三類思路，并以一些較新的應用進行舉例。值得一提的是，這幾種分類并不能完全獨立開，多數應用需要協作完成，將用戶數據滾動起來，再循環利用，加以推薦。

“數據分析類”推薦：

新案例：Clothes Horse

數據分析這件事，可大可小，有相當多的公司正在憑借復雜算法進行“精準匹配”，為用戶推薦出“你可能會喜歡”的商品或廣告，在此不多列舉。

也有更新鮮的做法，例如構建巨大的數據庫，進行相對簡單的比對工作。美國公司Clothes Horse為用戶推薦的是“尺碼”：它的產品是一個為電商網站設計的定制化插件，用戶光臨網站后，會被問及一些問題，例如“穿哪些品牌服裝比較合身”、“合適程度如何”等，后臺數據庫收集了眾多品牌的尺寸數據，經過比對，進而判斷出，用戶在此網站購買哪個號碼更加合適。其創始人認為，人們放棄已經裝好衣服的購物車，7％的時候都是由于擔心尺碼不合適。Clothes Horse意在為用戶建立一份可以通用的個人尺碼資料，很可能在推薦的路上越走越寬。

“社會化”推薦：

新案例：無覓、酷云閱讀、Forkly

去年格外紅火的“蘑菇街”、“美麗說”等導購網站被稱為“社會化”推薦，即使不停有言論指出，它們的做法更偏向于媒體行為，原因是用戶間難以形成關系，但“社會”的成分在其中起到一定作用。

另外，閱讀這件事也加入了“社會化”成分。“無覓”的創業團隊最早的產品是個性化瀏覽器插件，之后推出為科技博客等內容類網站提供的“相關文章”插件，如今“無覓網2.0”，產品思路可以歸結為，通過對閱讀內容的分析，進行個性化閱讀推薦。不僅是根據用戶的閱讀歷史，進行數據分析后，為其推薦出感興趣的內容，還會向社會化運營上逐步靠攏，以網站為主體，帶動用戶進行觀點的分享和交流，并導入到微博上。另外一款個性化泛閱讀軟件“酷云閱讀”則將新浪微博作為主要媒體源之一，使用者的閱讀習慣會被推送給朋友，同樣有社會化分享的元素。

美國的一款美食推薦App名叫“Forkly”，在邀請用戶為吃過的每道菜打分之外，還會將用戶的口味偏好與其他使用者相對比，模式甚至有些像Twitter，食客之間可以互相Follow，由于加入了LBS概念，還可以搜索出附近的餐館及其他用戶的評價，予以參考。

“意見領袖型”推薦

新案例：《蠻子文摘》

愛玩微博的天使投資人薛蠻子將微博上的資訊進行匯編與評論，做成獨立的電子雜志《蠻子文摘》，在App Store上線后表現搶眼。其中板塊包括時事、說史、創投、公益等，據說會有一個維護團隊來為他篩選信息，最后經薛蠻子本人審核。薛蠻子還表示，短期內，此應用都會是免費。除此之外，國外也有明星推薦書籍或產品的網站，有可能成為一種獨立的生意模式。

加入“社會化”元素的數據分析，才是好推薦

林承仁：無覓創始人

我認為搜索和推薦是兩回事，搜索有明確的目的性，但是在很多場景下并不適合，比如看文章，肯定不是搜一篇然后看，再搜一篇再看，這不符合閱讀習慣；另外，你經常不知道自己對什么會感興趣，直到看到后才感到喜歡。在人們的互聯網習慣中，有很多這樣的情況，只是之前沒有挖出來而已，像大眾點評等LBS相關的應用，本質也是在推薦。

目前市場上的閱讀器或閱讀社區，普遍有兩種做法：訂閱或根據用戶喜好進行推薦。RSS訂閱不能算是個性化，訂閱哪些就只能看到哪些，我們目前的做法是后者，通過分析用戶喜好，然后進行推薦。不過，到底哪種更適合用戶，或者是一個介乎于二者之間的做法，我們也還在摸索之中。

另外，很多產品認為閱讀是私人的活動，我的看法是，就算你推得再準，用戶還是會有閱讀疲勞，他會愿意一直用某個閱讀器的主要原因是，他的朋友也在這里，或者他認同的人在這里發表觀點。國內原創內容太少，高質量的反而是用戶的評論。所以我們會以社區的形式去呈現。

去年開始，很多公司重新來做閱讀器，我覺得是喬布斯救了大家一命：移動互聯網爆發，iPad或者智能終端變多，人們拿著它，要么閱讀，要么玩游戲。那么我們這些公司的風險在哪里呢？版權方面，看似有點麻煩，其實并沒有，只要你做得很大，例如擁有幾千萬用戶，和內容提供商談分成還是不難的，甚至可以做收費的獨家內容；比較大的風險是，閱讀器的用戶粘度不高，用戶對產品的切換成本很低。所以我們做社區，也希望把用戶的關系黏在這里。

另外談幾句中國的互聯網環境。我曾參與亞馬遜推薦系統的開發，回國后做無覓，最早的產品是瀏覽器上的插件，以此直接獲取用戶的瀏覽數據，這在美國是很正常的做法，但是在中國，做插件簡直就是沒可能。我回國幾年發現，在國內做新東西的難度很大，互聯網圈的大公司還是那幾家，風投敢投資的，也多是“Copy2China”的模式；中國對創新也沒有什么保護措施；每家都抄美國的，國外一款新產品出來，很多人一窩蜂上去，只要你沒有迅速做大，你的價值就顯得很小，就肯定會萎縮。這就形成一個惡性循環，很容易把市場做濫了。

但是在美國，如果有人抄襲某家公司的新模式，用戶會反感抄襲者，甚至集體去抵制，抄襲者也很難拿到投資。

有消息稱閱讀器Flipboard 和Zite進中國，我比較武斷地說一句：他們進中國肯定會失敗。中國市場太有自己的特色了，全球技術最好的公司是谷歌，都無法搞定中國市場，更別提其他人了。沒有一個真正國外的產品在中國能做好，當然，國外的東西，我們差不多也都拷貝來了。

推薦是對的方向，但不一定是賺錢的生意

朱建秋：上海麥路CEO

凡是“推薦”類應用，最后的目標都是“讓合適的人，看到合適的東西”。三種分類中，“社會化”推薦是根據相似性，看朋友的喜好再去協同比對，這種商業模式不光需要技術，還需要懂一些社會學和心理學；“數據分析類”推薦，比如個性化閱讀，在技術上并不難，隨著智能手持設備的發展，發展的可能性越來越大，而且對用戶喜歡的數據可以抓得很準；“意見領袖型”類推薦，如果只是名人自己喜歡，拿出來分享，并沒有問題，如果涉及商業，人們又會懷疑：名人推薦的商品，真的會是他（她）自己喜歡的么？

諸如Clothes Horse這樣的公司，在中國很難做，因為中國電商公司一定會問它，做這個可以為自己帶來什么。首先，在獨立電商而非淘寶上去布置插件，本身就非常困難，這是我的經驗；第二，它是否能增加訂單？中國電商的退貨情況是否普遍因為尺寸不合？此外，電商網站是否沒有寫好關于尺寸的規則，而且用戶也不容易注意到？在滿足這些條件后，即使Clothes Horse能夠讓用戶不看提示也能買對尺寸，它本身的功能點還是太窄了些。

我認為，有些商業模式，在美國行，在中國難。美國一些很小很專的商業模式也可以做成功；但是在中國做第三方插件就很難掙錢，在中國做新產品，一定能夠要有個自己的應用面和功能點，不能依賴于某個平臺。如果兩者都是小公司還可以合作，如果對方大一些，肯定會自己做，大公司其實都很封閉。即使投資人覺得這些小應用很靠譜，這些公司自己去找客戶的時候也會遇到源源不斷的困難。

難度太高，不如化繁為簡

楊炯緯：聚勝萬合CEO

“推薦”應用越來越多，現在人們對推薦的需求也更旺盛了，尤其是社交網站越來越多，微博的存在也增加了信息量。所以大家都在繪制互聯網上的“人物畫像”，把用戶勾勒得盡可能清晰。

而且我覺得搜索引擎也是一種推薦，你告訴我你想要什么，我在搜索后給你一個結果，這個結果可能是我根據PageRank或者種種標準計算出來的，有一套我自己的邏輯。

先說名人推薦和社會化推薦：我認為這些產品很難讓我建立使用習慣，因為那里推薦的并不是我自己喜歡東西，《蠻子文摘》是薛蠻子的喜好，不是我的；導購社區的推薦，是那些愛曬自己購物成果的女孩的喜好。所以我更看好基于數據的個性化推薦。

但是數據分析的技術難度又特別高，我們公司在做廣告的推薦，無法達到完全準確。例如我們追蹤到某個網民一個月看的200個網站，但其實人家一個月看了近2000個網站，我們的數據永遠不夠全面，就像盲人摸象一般。但是這樣的意識和做法是有意義的，盲人摸象不要緊，摸過總比沒有摸過好，總比完全瞎掰好。所以目前的大部分情況下，推薦類應用，很難做到真的個性化。

有些數據推薦應用，一上來先問一連串問題，說實話我會覺得有點煩，如果問題問得少，比如有4個問題，每個問題有4個選項，那就是把所有用戶分成16類，還遠遠不夠，很難做出好的用戶體驗。不過話說回來，從目前的商業模式來看，把用戶粗略分類也夠用了，例如按照星座劃分12種人群。

它們會撼動搜索引擎

劉二海：君聯投資董事總經理

互聯網上，解決問題的方式有三種：主動搜索、提問題到問答網站、瀏覽推薦。搜索確實給人們提供了一個極其簡便的找到答案的方式。人機界面非常簡單，簡單到只有一個框。說到人機界面，不能不提蘋果，人機界面的發展趨勢，在喬布斯和蘋果眼中，就是走向自然，力求降低產品的使用門檻，使得產品在很短的時間內迅速達到很高的滲透率。同樣的道理，簡單易用的特點，使得搜索大行其道。

可搜索還是有很多問題。最突出的是結果太多，不太準確，或是沒有合適的答案。基于社交和分享的推薦和問答可以比較好地解決搜索引擎不準，結果太多的問題，是非常有前途的。它們的成功有幾個關鍵要素：

其一，尋找用戶聚集地。數據分析也罷，社交及點評也罷，都需要大量用戶。自己集聚用戶當然最好，但非常難，可能更合理的方式是與海量用戶的社交網站合作。

其二，社交關系網的利用。這方面LinkedIn 做得不錯。

其三，數據挖掘。這是推薦的基礎。

今天，社交網絡已成為巨大的存在。而基于社交關系的推薦、問答等應用已然出現苗頭。因此，我看好這里的機會。它們的發展很可能會對搜索引擎產生影響。