SocialBeta

我在豆瓣九点上把自己的一篇文章推荐了下，下面出现了”推荐这篇文章的人还推荐了。。。”这么个列表，咋一看没什么问题，但仔细一想，有问题：这篇文章是我自己的，且只有我一个人推荐过，也就是说下面出现的文章是我推荐过的，但我没有，怎么可以说”推荐这篇文章的人还推荐了。。。”

豆瓣九点这里是基于我之前浏览过的一些博客而推荐的，也算是和我这个人关联起来了，问题出在文案提示上，应该是”推荐这篇文章的人还关注。。。”，那么，什么样的推荐系统算是好的推荐系统？这个评判标准有没有一个量化的指标呢？不过，要是真有一个很精确的量化标准，用户也不一定认可，毕竟用户都是从自己的主观意思去感觉网站推荐给他的内容是好还是坏的，也许同样的内容，用户心情好的时候，会觉得推荐的内容很对口，而在心情差的时候就很难说了，我觉得用户感知一个推荐系统的应该可以分成以下一些层次：

1 基于具体内容的推荐，至少我看了一条迈克杰克逊的消息，推荐的内容不能是朝鲜核武器；
2 基于社会化的推荐，至少不能像豆瓣九点这样，让我一看就知道是忽悠人的，最起码要推荐一些和我有共同兴趣爱好者当中的相关内容；
3 个性化的推荐，至少要弄清楚我的过去的喜好，让我有一种吃惊的意外发现（我上次听说有人在淘宝上看了下泳镜防雾剂，结果淘宝推荐了比基尼和连体内衣什么的，这种意外发现也让人大吃一惊）

当然，推荐系统不可能百分比完美，我觉得豆瓣已经做的非常好了，比如我买的很多书，都不是我原先寻找的那本，都是通过豆瓣发现的书。之前我的翻译的一篇文章，推荐系统：电子商务网站的”金牌销售员”，说明了推荐系统对于一个网站特别是电子商务网站的重要性，而一个好的推荐系统会面临很多难题：

• 第一， 数据缺少问题，特别是一个新的网站，在只了解用户一点点数据（用户行为 兴趣爱好 历史购买），推荐系统很难做好，最近上线的hunch，就通过先问用户一些问题来临时的收集一些数据，从而达到一个准确决策的效果。
• 第二， 数据是不断变化的，也许用户在过去的喜好，今天早已没有这个喜好了，或者是上次为别人买了某个东西，或者我昨天没了个手机，如果下次你还推荐给我一些手机，我也许很反感，我不可能天天要买手机啊，这种基于过去的用户数据推荐，也许是不合适的。
• 第三， 用户是反复无常的，推荐的内容好坏更多取决于用户当时的复杂的情绪，即使推荐的内容很精确，从算法的角度说很完美，但是用户当时就是不喜欢，那用户就认为没有推荐的东西是垃圾。

总之，一个好的推荐系统不是一日建成的，更不是靠一个很高明的算法就可以解决的，更重要的要有一个开放的特性，不断的和用户”交谈”，让用户参与到这个”推荐系统”的建设中去，慢慢地，相处久了，默契度自然就高了。

————————————————
您可能对下面的文章感兴趣：
推荐系统：电子商务网站的“金牌销售员”
【一心一译】协同过滤（Collaborative Filtering）：社会化网络的生命线

Popularity: 1% [?]

译文 by puting  | 原文 by Bruce D’Ambrosio

一个网站（无论是网址，域名，品牌等） 是网站所有者 、访客、和更广泛的网络社团为一个共同的目的而聚集在一起的地方。起先，网站都是一个采取封建集权统治的“场所” ：网站所有者拥有全部权力；他们依靠榨取农奴（访客）来获取价值，不允许农奴（访客）参与到网站管理，内容建设和内容展示中去。现在这一模式已基本崩溃。

亚马逊早期就发现了由社区定义的内容的价值（这实际上仍然是其真正的，——基本上未得到承认—的贡献，而不是“推荐系统”)。A / B测试表现和优化服务使得访客和社区参与到内容表现形式中来，尽管这作用是间接地。iGoogle 、Facebook等进一步允许用户来定义个人和公众在各个方面的内容和表现形式。

更重要的是，现在只有少数网站单从内部获得网站资源建造起来。托管数据，推荐系统，新闻，店面位置，股票代号，朋友追随者等正在迅速地通过积极参与到“网络结构”层的网络社区中来解构全局概念上的“场所” ，

从这个角度来看，大多数的推荐服务仍然停留在封建的世界观层面上：黑匣子推荐（不管是“你”是访客或网站所有者）比你更好地了解自己，并用它自己无穷的智慧和权力决定推荐给你什么样的内容。网站所有者可能在表现形式和内容方面有些投入，虽然如此，这还只是一个非常有限的方式。
尽管这种情形在某些情况下是有益的，因为它总能被动地提供给网站所有者和访客一些推荐，但这却严重限制了推荐技术的潜能。

个性，实时的对话

尽管推荐有着更广阔的看法，它的商业价值是，它能促使网站所有者和访客进行一对一的实时对话。因此，一个推荐系统必须能够容纳积极参与其中的网站所有者和访客两方。推荐系统扮演着一个公司中销售员、代理商的角色，他们可以和顾客进行一对一地接触。这正与网站设计者相反，网站设计者更象是实体商店中的展示设计师，他们的目标是可能会经过展示的那些顾客，而不是单个顾客。狭义上的推荐系统在概念上比个性化工具还要小，类似于实体商店中的迎宾：当您刚到达商店的时候，他们可能会亲自来迎接您，而在您逛商店的时候，他们通常不会一直跟着你或与您实时交流。

OK，但是为什么需要对话？回想下在一个实体商店中店员和顾客之间典型的交互情景：顾客走进商店开始四处张望，这个时候，店员会问：“请问您需要什么？”“谢谢，我先看看”，顾客回答。由这一点可以知道，店员大概已经注意到了顾客，并对其意图、承受能力以及可能会买什么样的东西做了些推测。

像这些销售代理，店主在消费者，销售策略（如交叉销售，向上销售）方面都掌握着丰富的知识，对自己的业务也有短期和长期目标。可是不管他们收集多少像这样的数据，都不能自动地成为一个推荐引擎 。因此，推荐系统更好的任务是在某一刻充分利用店主的智慧。当然，一个信息不足的推荐系统只是一个比较不理想的情况但可能仍然是有用的。

网上交易的好处之一是成本低。大多数网站不能提供实时的真人在线客户服务，顾客要想详细了解情况只能查看一些网站按照一定形式提供的经营政策或战略，而不能通过真正的实时交流。 （尽管如此，在某些情况下和现场的销售代理商进行交流，很可能是一个适当的推荐触发方式。 ）

情形/响应

思考这个问题的方法之一就像“情形/响应”这样 。这种情形描述可能包括访问者的位置、访问过的网页、产品目录、日期（是否节假日）、网站内部项目信息（来自供应商目录或内部获取的销售数据） 、访问者社区信息（如销售排名，评论排名） ，甚至是一些外部信息（如谷歌搜索排名，亚马逊排名） 。对于此种情形的响应应该是一个规范的推荐行为，以及由此产生的推荐内容（如推荐一双少于50美元的耐克鞋子） ，风格和形态（如使用生动的GIF来显示所有可用的颜色） 。也许，正如上文所述，形态甚至扩大到把现场销售代理带进实时的交谈中。

虽然网站所有者参与推荐系统内容和表现形式的这些有限的工作已经完成，但这种情形对于访客还是来说还是不满意的。有各种各样的情形可供访问者进行互动，但在大部分推荐系统中却几乎没有什么互动。一个简单的“不，那不是我要的” （如竖起了大拇指或大拇指向下的推荐图标），这要让顾客注意到并赞赏可能会有一段很长的路要走。我可以对一位商店售货员说， “我正在找一双价格在50美元的耐克鞋子”——为什么我不能把这样的事情告诉普通推荐系统呢？请注意，这里开始和网站所有者的需要重叠。它们的主要区别是，访客总是在某个时刻才提出，因此（通常）没有必要详述背景环境。

上述描述的目的是我们向网站所有者和访客的一系列可能的功能，模式和时间尺度打开了一扇大门。一旦打开了这个门，我们没有理由不向用户社区和“网络结构”层的网络社区打开。下面有三个主要观点：

1 网站不再是一个封建集权的地方，所有涉众现在都需要发出声音。
2 推荐引擎是一个懂得内容并在某一刻理解访客意图的所在。
3 因此，推荐是网站和访客在某个关键时刻合乎逻辑的实话对话。

鉴于我们对于网站最初的定义，我们也可能会询问参与者其他利益相关者之间的作用和机会。例如，网站设计者和访问者或网络社区之间的互动会不会被看作是一个持续的对话，而不是一个网站设计时候的偶然，单向的信息流动呢？答案是肯定的，但这是另外需要讨论的话题。

结论

推荐系统需要开放，让网站所有者、访客、以及社区更加积极地参与到内容和表现形式这两个方面来。这也是对推荐意味着促进处于某个时刻网站和访客之间对话的这种推断的最好实践。

Popularity: 3% [?]