在路上聽音樂時，我總是習慣在「隨機播放」模式下不停的切歌直到切到自己想聽的那首歌。不知類似的場景大家有沒有”經(jīng)歷”過，是我個人的習慣還是大家也有這樣的感覺，所以想寫出來順便通過這個習慣引申出關于推薦的一些感想。

　　行為：選擇「隨機播放」總想切歌到「想聽的歌」

　　隨機播放

從我的使用習慣來看，「隨機播放」多發(fā)生在上下班路上或剛忙好稍微放松下的時候，選擇「隨機播放」意味著想「聽歌」這事大過于「聽什么歌」，屬于行為驅(qū)動大過于目標驅(qū)動，類似于餓了想吃飯但還沒有想好什么飯店，想看場電影但沒有決定看什么電影。只是把「聽歌」當做一個調(diào)劑而不是好好的欣賞音樂。

在這個前提下，如果讓用戶先去把歌曲選好，建好列表再去開始播放什么的，相必就不那么讓人愉悅了吧，只是想隨便聽聽。

　　想聽的歌

在「隨機播放」中遇到一首不喜歡的歌怎么辦，點擊”下一首”的按鈕就可以了，如果再不喜歡怎么辦，繼續(xù)下一首。那為什么不去直接選擇喜歡聽的歌，而是通過這種方式去切換?做了一個圖，可以看到：

　　在選擇自己想要聽的歌的時候，用戶的心理模型大概如圖，在這么多歌曲里面去主動尋找想聽的歌(藍點)，如果目標(藍點)很大，那么很容易就會發(fā)現(xiàn)，但是并沒有特別強的目標(藍點)，要想挑選出自己想聽的歌，就不那么容易了，很容易選擇困難。

而「隨機播放」狀態(tài)下，歌曲的序列是線性的，播放器會主動推送歌曲給你，無需思考下一首是什么，只管當前的歌曲你想不想聽，不想聽就「切」，再給你換，在被動的「隨機播放」中仍掌握著主動權。

　　在被動中的主動

我把剛才描述的行為稱為「被動中的主動」，被動是在于信息展現(xiàn)內(nèi)容和順序非自己編排，而主動則是可以通過一些操作改變被動呈現(xiàn)信息的內(nèi)容。這種個性化推薦的形式在大家平時使用時已經(jīng)已經(jīng)可以發(fā)現(xiàn)，這些一定都會也一定會是未來的趨勢。

個性化推薦的產(chǎn)品

　　音樂產(chǎn)品的推薦

前面提到的「隨機播放」也已經(jīng)有很好的音樂類產(chǎn)品了，國外Pandora 國內(nèi)的豆瓣/蝦米的電臺，用戶不考慮有什么歌曲曲庫問題，產(chǎn)品會先通過熱門或者標簽確認你的初步口味，然后通過你主動的對歌曲進行更細的操作，不斷的挖掘出適合你的歌曲推薦算法，增加黏性

　　豆瓣電臺

　　蝦米猜電臺

電商中的推薦

Amazon.com的首頁非常有名氣就是個性推薦商品的功能，在最近國內(nèi)電商的改版中也發(fā)現(xiàn)了推薦所占的位置已經(jīng)越來越重，這些都是「被動」，而「主動」則是用戶在之前瀏覽過的商品，關注過的東西，商家通過數(shù)據(jù)的再挖掘從而進行有效的推薦，對轉(zhuǎn)化非常有幫助。

　　Amazon首頁個性推薦

 

　　易訊首頁猜你喜歡

最近火的蘑菇街&美麗說&果庫屬于導購，主動方面還未看的出，但比起淘寶的龐大來說，已經(jīng)算是屬于精準推薦了。

　　內(nèi)容類的推薦

豆瓣在這一塊無意是國內(nèi)做的比較好的，讀書頻道中的豆瓣猜分別有「猜你感興趣的新書」，「猜你的閱讀興趣」，「猜你感興趣的豆列」，書/電影的單頁中有「喜歡XXXX的也喜歡」「以下豆列推薦」，這些推薦可以盤活整個豆瓣的內(nèi)容體系，互相交織在一起變成一張網(wǎng)，而產(chǎn)生推薦的信息也是由用戶主動的訪問而產(chǎn)生的。

　　豆瓣的豆瓣猜

　　豆瓣的喜歡XXXX的也喜歡

　　豆瓣的豆列推薦

新浪微博的「注冊后的推薦」，「右欄推薦」，「微關系」分別根據(jù)微博熱門，標簽&關系，關注分析進行推薦的，也是為了盤活他的整個會員之間的關系而存在的。

　　微博的右欄推薦

還有類似豌豆猜，APPStore的Genius也是一樣，就不一一舉例了。

被動&主動&推薦

推薦可以降低使用門檻，可以幫助商品快速轉(zhuǎn)化，更能夠拉動內(nèi)容之間的關聯(lián)，用戶會需要這樣的功能，但在推薦的背后并不應只是把內(nèi)容展現(xiàn)給用戶，讓用戶被動的接受，如果全是無用的東西，結(jié)果會更糟糕。多給予一些用戶能夠主動掌控的東西，讓用戶不知道情況下的參與到推薦中，讓推薦更有效更靠譜。

VIA:Flickr