最近一段時(shí)間，搜索引擎與個(gè)性推薦的曝光率很高，看個(gè)性推薦這頭“猛獸”來勢洶洶的樣子，搜索引擎獨(dú)霸流量入口的好日子似乎已經(jīng)到頭了。從用戶角度來說，搜索屬于主動(dòng)行為，是由你的主觀意向去獲取結(jié)果；推薦屬于被動(dòng)行為，它是通過技術(shù)來獲取你的行為數(shù)據(jù)從而自動(dòng)推斷你的需求。到底什么是個(gè)性推薦？個(gè)性推薦跟搜索引擎的區(qū)別在哪里？個(gè)性推薦接下來怎么發(fā)展？個(gè)性推薦未來何去何從呢？人人都是產(chǎn)品經(jīng)理7群（7661422）對此進(jìn)行了一番激烈的討論。

一、哪些常用應(yīng)用加入了推薦功能，滿足了什么需求

常用應(yīng)用：

1、休閑娛樂類：視頻推薦（愛奇藝，搜狐），音樂推薦（豆瓣FM，蝦米）

2、商業(yè)消息類：商品廣告推薦（京東，亞馬遜）

3、資訊閱讀類：文章推薦（無覓，今日頭條），發(fā)掘推薦（知乎會(huì)智能邀請用戶來回答問題）

4、分發(fā)平臺類：軟件推薦（小游戲，91助手）

從上可以看出，個(gè)性推薦功能已經(jīng)在各個(gè)常用領(lǐng)域有所實(shí)踐，但在一些專業(yè)領(lǐng)域還未滲透。個(gè)性推薦是一種擴(kuò)展聯(lián)系，現(xiàn)在主要針對的是用戶“懶”和“未知”。從現(xiàn)實(shí)的發(fā)展來看，個(gè)性推薦也確實(shí)在資訊娛樂方面發(fā)展的比較好，但商業(yè)這塊相對來說則形式比較單一，但隨著推薦進(jìn)一步發(fā)展成熟，滿足用戶精準(zhǔn)需求后其體驗(yàn)與盈利模式都將上一個(gè)臺階。

滿足需求：

1、節(jié)省時(shí)間、滿足喜好，用戶在不知道自己要干嘛的時(shí)候，通過推薦可快速找到自己感興趣的東西；

2、輔助決策，面臨各種選擇時(shí)，適當(dāng)?shù)耐扑]能提高用戶的選擇效率；

3、突破個(gè)人思維進(jìn)行擴(kuò)展，當(dāng)我想學(xué)習(xí)某門語言的時(shí)候，他可以在我學(xué)習(xí)的過程中推薦相關(guān)或者遞進(jìn)的資料給我，使我不至于被自己的認(rèn)知面所限制；

4、能滿足各種各樣的用戶，通過每個(gè)用戶的獨(dú)特?cái)?shù)據(jù)，一個(gè)可以滿足不同用戶在不同場景下的需求，解決了群體與個(gè)人的矛盾，感覺更像個(gè)私人助理。

實(shí)際上，個(gè)性推薦的第一作用不是個(gè)性化喜好，而是由源數(shù)據(jù)觸發(fā)的連帶擴(kuò)展，從某種角度看，這屬于活躍用戶的二次營銷。從現(xiàn)在帶有推薦功能的應(yīng)用上可以看出，該功能大多是滿足興趣與需求的擴(kuò)展。

二、推薦通過怎樣的形式實(shí)現(xiàn)功能

一個(gè)完整的推薦系統(tǒng)由行為記錄模塊、模型分析模塊和推薦模塊組成。

行為記錄模塊負(fù)責(zé)記錄可體現(xiàn)用戶喜好的行為，如點(diǎn)擊、評分、下載、購買等；模型分析模塊則完成了對用戶行為記錄的分析，采用不同的算法建立模型描述用戶的喜好信息；最后，通過推薦模塊，實(shí)時(shí)的從內(nèi)容集篩選出目標(biāo)用戶可能會(huì)感興趣的內(nèi)容推薦給用戶。如采用打點(diǎn)的模式，通過數(shù)據(jù)維度將每個(gè)用戶映射到三維空間里，通過矢量半徑測算需求相似度，若兩者各有10000個(gè)指標(biāo)，而相同的有8000個(gè)，則說明這兩人興趣比較相近。

但基于“內(nèi)容過濾”與“協(xié)同過濾”兩種算法的推薦容易出現(xiàn)“冷啟動(dòng)”和“數(shù)據(jù)稀疏”等問題。冷啟動(dòng)（主要是協(xié)同過濾）指的是推薦集所推薦的內(nèi)容必須是先被其他用戶使用過的，而那些未被大量評論覆蓋的產(chǎn)品來說，他們是很難進(jìn)入他人的推薦集；數(shù)據(jù)稀疏是個(gè)難以避免的問題，單個(gè)用戶不可避免的只能接觸到總數(shù)據(jù)的一小部分，而當(dāng)兩用戶評價(jià)過的內(nèi)容沒有交集時(shí)，算法就難以判斷這兩用戶是否興趣相似，從而難以找到相似的用戶集。

三、搜索引擎與個(gè)性推薦的區(qū)別

前面已經(jīng)說過，從用戶角度來說，兩者的使用目的是不同的，具體可分為如下三點(diǎn)：

1、推薦是被動(dòng)接收的行為，搜索是用戶的主動(dòng)行為；

2、推薦一般是聯(lián)想輻射的，而搜索一般是即時(shí)需求，目標(biāo)明確；

3、推薦是通過分析用戶行為展現(xiàn)出的結(jié)果，而搜索是服務(wù)端獲取用戶行為的一個(gè)入口。

相對搜索來說，推薦有著很清晰的優(yōu)點(diǎn)，首先他主動(dòng)精準(zhǔn)，可快速幫用戶找到需要的信息；其次為用戶打上標(biāo)簽信息，使商戶廣告的投放更加準(zhǔn)確 。

當(dāng)然，作為一個(gè)正在發(fā)展中的技術(shù)和功能，推薦仍然有很多可改進(jìn)的空間，每個(gè)推薦都需要積累大量的用戶行為作為支撐，而且用戶短期或即時(shí)的興趣點(diǎn)擊容易對算法造成干擾；多樣性與精準(zhǔn)性的矛盾可能在中后期體現(xiàn)出來，要么推薦不準(zhǔn)確，要么信息源越來越單一；評估次數(shù)的不同很容易導(dǎo)致算法得出的“用戶興趣”與真實(shí)需求有偏差，如我最喜歡西瓜，但在看到西瓜前我已經(jīng)“喜歡”草莓三次了，那么就算我點(diǎn)喜歡西瓜，算法也會(huì)判斷我為“最喜歡草莓”，從而導(dǎo)致推薦的不準(zhǔn)確；最后就是用戶的隱私問題了，推薦與大數(shù)據(jù)結(jié)合的相當(dāng)緊密，所以這里要如何消除用戶的心理擔(dān)憂會(huì)是個(gè)關(guān)鍵問題。

經(jīng)過群友們的討論，大家覺得推薦的時(shí)候要考慮用戶疲勞度，同時(shí)增加與興趣點(diǎn)可能關(guān)聯(lián)的其他新特征點(diǎn)的探索因子。此外，用戶的興趣是會(huì)隨著時(shí)間而變化，所以一定要給用戶修正的入口。個(gè)性推薦最終可以發(fā)展成個(gè)人助理，類似方案解決服務(wù)。

四、個(gè)性推薦可以如何走下去

與搜索引擎相比，推薦當(dāng)下的盈利手段也不弱，分別有渠道收費(fèi)（前端廣告費(fèi)、后端咨詢費(fèi)），效果營銷收費(fèi)（按點(diǎn)擊效果收費(fèi)、按成交返點(diǎn)付費(fèi)），面向用戶收費(fèi)（保證優(yōu)質(zhì)內(nèi)容及服務(wù)才有實(shí)現(xiàn)的可能如訂閱+推薦的增值服務(wù)），競價(jià)排名等，個(gè)性推薦的競爭力相當(dāng)可觀。一個(gè)優(yōu)秀的產(chǎn)品不止要當(dāng)下獲得成功，更要保證其長遠(yuǎn)的盈利目標(biāo)，接下來看看推薦未來可能的盈利模式有什么。

1、針對客戶忠誠化管理，可收集大量用戶的消費(fèi)信息，將用戶的喜好數(shù)據(jù)賣給商家，以便商家對目前的產(chǎn)品進(jìn)行調(diào)整；

2、針對用戶的消費(fèi)與薪資等相關(guān)信息，對客戶推銷產(chǎn)品，如理財(cái)產(chǎn)品；

3、有價(jià)值的收費(fèi)資訊，如相親網(wǎng)站的交友推薦；

4、與硬件軟件商合作分成。

推薦的主動(dòng)基因注定他具有很強(qiáng)的運(yùn)營推廣優(yōu)勢，在保證數(shù)據(jù)精準(zhǔn)，不干擾用戶的情況下，降低成本、提高效率、易產(chǎn)生粘性、優(yōu)化用戶體驗(yàn)等效果都是很容易達(dá)到的。總的來說，現(xiàn)在互聯(lián)網(wǎng)領(lǐng)域越分越細(xì)，如何精準(zhǔn)營銷早已提上日程，用什么方式，怎么去做，個(gè)性推薦可能已經(jīng)給予了我們一些啟發(fā)。

小編想法

其實(shí)推薦做的最重要的就是體驗(yàn)，在互聯(lián)網(wǎng)的快速發(fā)展情況下，用戶只會(huì)越來越挑剔，注重體驗(yàn)的推薦天生就帶有一定的優(yōu)勢，如若能搭配好搜索引擎雙線出擊，將搜索作為一個(gè)行為需求采集入口，通過推薦來實(shí)現(xiàn)后期的反饋服務(wù)，用一個(gè)賬號將多平臺產(chǎn)品連接起來，那樣就真正能使用戶閑下來了。

就個(gè)人想法，我比較看好推薦在教育領(lǐng)域的發(fā)展。互聯(lián)網(wǎng)教育必定是接下來發(fā)展的熱點(diǎn)之一，但通過個(gè)人的獨(dú)立挖掘很難能兼顧一個(gè)領(lǐng)域的各種信息，或者說缺少一位老師做提示，如果個(gè)性推薦能夠根據(jù)學(xué)習(xí)情況精準(zhǔn)智能的推送相關(guān)資料或資訊給自學(xué)者，再根據(jù)用戶的進(jìn)度微調(diào)推薦結(jié)果，誰說他不能擔(dān)任老師這個(gè)角色呢，而且在這里面的前后端（前端用戶、后端商家）都有收費(fèi)的可能，機(jī)會(huì)會(huì)不會(huì)也更大呢？

討論主題來源：個(gè)性推薦何去何從

此文檔為人人都是產(chǎn)品經(jīng)理社區(qū)7群討論總結(jié)，由jacky整理，轉(zhuǎn)載請注明原文鏈接。

感謝各位參加的同學(xué)（排名不分先后）：jacky（主持人）、達(dá)令、漓江、醬油、小麥、becky、方塊、寒少、西冷、Lester2o13、伯文、july、小Q、狗窩、導(dǎo)演、阿航、星、韓冰、Mr.Fighting、阿泉、小豆。