推薦引擎：未來互聯(lián)網(wǎng)的發(fā)動機管理提醒: 本帖被 張橋剛 從 知識分享 移動到本區(qū)(2011-01-22) 在群體交互的過程中，“內(nèi)容”在不斷地產(chǎn)生，比如瀏覽記錄、點評數(shù)據(jù)；但這些“內(nèi)容”的價值挖掘，才是最核心的東西
段永朝/文 登上《財富》雜志封面人物，歷來是商界精英成功的一個顯著標志。 2010年11月，這期雜志的封面人物是50歲的里德•哈斯廷斯(Reed Hastings)。作為美國最著名的流媒體影視播放服務商Netflix的創(chuàng)始人和CEO，哈斯廷斯的名字排在了福特CEO穆拉利、蘋果創(chuàng)始人喬布斯、Facebook創(chuàng)始人扎克伯格等50位業(yè)界叱咤風云的精英之前——他被譽為“群星中的俊杰”。 對這家成立于1997年的老牌電影租賃服務商來說，過去的10多年里，Netflix更多的是應對“被擠出市場”的威脅，來自Blockbuster、沃爾瑪、蘋果公司或其他競爭的一次又一次的嚴峻挑戰(zhàn)?！敦敻弧分芸姆饷鎴蟮乐姓f，如狼似虎的對手們早就想把哈斯廷斯“趕出業(yè)界，讓他絞盡腦汁重起爐灶，或讓他提前退休，打發(fā)他回家消磨時光。” 無獨有偶，2010年12月11日，在《時代周刊》評選出iPhone十大流行應用中，Netflix提供的即時影視播放服務Instant Netflix名列榜首。 能夠在超過30萬種iPhone應用中脫穎而出，拔得頭籌，Netflix所依賴的法寶，正是其歷經(jīng)10余載打造的“秘密武器”——協(xié)同過濾推薦系統(tǒng)。 截止2010年底，Netflix公司的年收入逾20億美元，注冊用戶已經(jīng)超過了1730萬，付費用戶則超過了500萬。每天有400萬部電影或電視節(jié)目，通過各類終端，呈現(xiàn)在消費者面前，并得到消費者的點評推薦。迄今為止，Netflix已經(jīng)積累了30億條點評數(shù)據(jù)，這座巨大的數(shù)據(jù)“金礦”，配上自行研發(fā)的推薦引擎Cinemath，正成為Netflix公司穩(wěn)健財源的巨大引擎。 交互沒問題，問題是誰跟誰交互？ 2004年有兩個概念響徹互聯(lián)網(wǎng)界，一個是電子科技出版商Tim O’Reilly提出的Web2.0，另一個是《連線》雜志主編安德森提出的“長尾理論”。Web2.0讓“交互”、UGC（用戶產(chǎn)生內(nèi)容，User Generation Content）成為互聯(lián)網(wǎng)掘金者津津樂道的“法門”；長尾理論，則直觀地把“個性化消費”詮釋得淋漓盡致。 越來越多的電子商務、娛樂、餐飲網(wǎng)站，迅即改變了他們聚集人氣、吸納眼球的方式，從不辭辛苦地“堆積材料”、“酷圖快評”，轉向了“讓消費者做點什么”：“頂”和“踩”成了消費者意見表達的標準動作；熱門榜單，成了頁面邊欄的“標準配置”；關聯(lián)閱讀和鏈接，成為黏著眼球、延長頁面駐留時間的經(jīng)常手段…… 不幸的是，在大大改善了網(wǎng)頁的瀏覽體驗之后，絕大多數(shù)互聯(lián)網(wǎng)站的思路，被“吸引更多的眼球”所綁定，他們熱衷于競價排名、SEO（搜索引擎優(yōu)化），熱衷于把“交互”的火力更多地引向網(wǎng)站自身，沉醉于點擊率、瀏覽量、駐留時間，甚至孜孜不倦地切分多個頁面、制造更炫的Flash動畫、制造更多的插件并相互攻訐。 挖空心思堆積內(nèi)容資源、變著法兒吸引客戶眼球，卻難以獲得滿意的“營業(yè)收入”，成為眾多網(wǎng)站的“心頭之痛與惑”，他們念叨著一個解不開的魔咒“商業(yè)模式”——殊不知，這“模式”并非是可以構造、設計出來，而是“涌現(xiàn)”出來的。 Netflix的推薦引擎，是一個絕好的范例。 讓你喜歡的電影“跳”出來 Netflix公司早期是做DVD租賃生意的。1997年公司成立兩年后，他們才確立了這種看上去“其貌不揚”的生意模式：用低廉的價格，為消費者提供他所喜歡的電影DVD租賃服務。 做這種生意很容易想到的是兩點：一個是擁有巨大的片源；另一個就是擁有大量的潛在的消費者。剩下的事情，完全可以歸之于標準版的MBA套路：制定價格、組建渠道、開展促銷。 Netflix早期的做法也正是這么做的。不過，在日益暴漲的電影庫和消費者數(shù)據(jù)的刺激下，他們在思考一個根本性的問題：如何讓消費者喜歡的電影“跳”出來？ 信息過載的直接后果就是，直截了當?shù)氐玫剿枰男畔?，變得異常困難（這一點正是Google公司存在的理由）。即便千辛萬苦地對信息進行分類、聚合、歸檔，也無法抵擋數(shù)據(jù)洶涌而來的恐懼（早期的Yahoo就是這么干的）。 Netflix想到了“網(wǎng)民的力量”。 按照最樸素的看法，人們接觸電影、書籍、音樂的最佳途徑，其實是“聽朋友推薦”。這個看法一點都不新奇，日常生活就是這樣。 不過，Netflix把它變成了“算法”，從此走上了正確的道路。 讓消費者喜歡的電影，從海量的片庫中“跳”出來，取決于三個因素：第一是消費者自身的口味和偏好；第二是某個電影的風格、劇情、藝術性、導演和演員；第三是環(huán)境的影響，比如當紅的明星、密友的推薦、圈子的品位等等。 這三個因素錯綜復雜的關系，讓“推薦”這件事情，在網(wǎng)站的運轉方式上變得微妙起來。 在電影網(wǎng)站上，一旦你打算看點什么的話，讓消費者感覺最爽的體驗是：網(wǎng)站的絕大部分信息，自然地按照你所關注的方式，為你把喜歡的影片展現(xiàn)無遺，不必大費周折地東挑西選，你眼神所到之處，接觸到的信息不多不少，善解人意。 這種體驗的獲得，需要轉變過去對“交互”的認識。交互，并非是消費者和網(wǎng)站之間“打交道”的過程（雖然這很重要），而是消費者群體之間“打交道”、“相互浸潤”的過程（這個的重要性更多體現(xiàn)在后臺）。 Netflix推薦引擎的核心，叫做“協(xié)同過濾（CF）”。這種算法把過去沉積下來成千上萬的用戶點評數(shù)據(jù)，轉化為對每一位消費者“口味偏好”、每一部電影“特征屬性”的記憶，通過“猜出你的心思”來為你匹配最佳的“推薦列表”。 “交互”這一過程，在不同年齡、不同區(qū)域、不同職業(yè)、不同愛好的人群中，自動地“彌散”開來，每一個獨立的個體之間鮮有直接“對話”的可能，但他們通過遺留在電影觀賞中的“足跡”，無形中透露出的彼此喜好的異同，讓電影下載和觀賞，并非在“寡居獨處”的情境下進行，而是加了許多跨越虛擬時空的“神游和意會”的愉悅。 群體智慧的價值 “人是群居的動物。”100年前英國昆蟲學家William Morton Wheeler通過研究螞蟻發(fā)現(xiàn)，“群居的動物”有一種奇特的天性，就是單獨的個體行為看上去弱智笨拙，整體的行為有時候也顯得雜亂無章，但在一定的尺度上看，螞蟻部落總是會顯示出“有秩序”的行為模式，比如覓食、遷徙、逃避攻擊。 這種大量個體集聚的場合下，單獨每個個體的能量其實十分有限，它們所采取的行動策略也十分簡單：往往是參照左鄰右舍，甚至有點“目光短淺”。 但令學者驚奇的是，集聚在一起的個體，彼此之間的“關聯(lián)”和簡單的信息交換，讓他們的行為產(chǎn)生出高度的復雜性，決定了這個群體的整體結構和演化的路徑。 這一點，是Netflix推薦算法的關鍵。 Netflix的Cinemath推薦算法，本身沒有什么“野心”，它并不試圖通過縝密的推理，直接為消費者把他喜歡的電影“拎出來”；它只是不停地根據(jù)消費者流露出的“蛛絲馬跡”，不動聲色地推測他的“口味和偏好”，并做了一個簡單的假設：“物以類聚，人以群分”。 在群體交互的過程中，“內(nèi)容”在不斷地產(chǎn)生，比如瀏覽記錄、點評數(shù)據(jù)；但這些“內(nèi)容”的價值挖掘，才是最核心的東西。通過內(nèi)容（數(shù)據(jù)）挖掘，抽取出映照消費者習性和物品屬性的關聯(lián)信息，抽取出群居的消費者之間的關聯(lián)信息，這是營造信息生態(tài)的關鍵。 所以說，“基于用戶的推薦（UGR）”，將在未來的互聯(lián)網(wǎng)發(fā)展中，扮演極其重要的角色，這個角色就是打通“群體行為”與“自組織演化”之間的通道，實現(xiàn)某種“閉環(huán)”的群體進化的良性循環(huán)。■ |
|
|
