網站推薦機制是電子商務或內容網站的核心功能之一。例如你在一個網站買了一本書后，網站會推薦其他你可能會感興趣的書。這被認為是亞馬遜等電子商務巨頭成功的關鍵。本文對幾個出色的推薦系統(tǒng)進行了較透徹的分析。

2006年10月，Netflix搞了一次不尋常的有獎競賽。這家網上DVD租賃公司開出獎金一百萬美元，獎勵給能把他們網站的產品推薦機制提高10%的人。Netflix 以富有創(chuàng)新精神和闖勁著稱。而一百萬美元的獎金對于這樣一家公司來說，其實并不象聽起來那么多。


有獎競賽還在進行當中（“至少要進行到2011年10月2日”）。所以這是一場炒作活動還是希望花小錢進行研究，我們還不得而知。而對Netflix來說，更好的推薦機制是必不可少還是錦上添花？今天，Netflix正面對從沉睡中醒來的巨人BlockBuster的挑戰(zhàn)，因此它必然要尋找制勝的先機。出色的推薦機制會留住老用戶，吸引新用戶。比如當一個用戶還DVD時，系統(tǒng)會推薦給他/她可能會喜歡的另一部電影。這就增加了這個用戶回來再租DVD的可能。

瀏覽與推薦

一個出色的推薦機制不光對Netflix，對其他網絡企業(yè)也非常重要。這是因為用戶的網上活動分為兩類：搜索和瀏覽。當消費者明確知道她想要什么的時候，她搜索。但當她不太清楚想要什么的時候，她瀏覽。瀏覽活動為推薦系統(tǒng)帶來了絕好的機會。因為當用戶沒有集中注意力在找她想要的東西時，她對外來的建議是敞開的。

在瀏覽過程中，用戶的注意力（和他們的錢），都等著你去抓住。通過向用戶展示有吸引力的東西，網站可以使交易成功的可能最大化。所以如果網站能增加給用戶提供好推薦的幾率，就能賺更多錢。顯然這不是一個容易解決的問題，但解決這個問題帶來的好處是巨大的。推薦的幾種方式如下：

• 個性化的推薦－－根據(jù)用戶過去在網站的行為進行推薦
• 社會化推薦－－根據(jù)類似用戶過去在網站的行為進行推薦
• 基于產品的推薦－－基于產品本身的特性進行推薦
• 以上三者的混合

我們現(xiàn)在通過實例詳述上述方式。包括老牌網站如亞馬遜 Amazon，以及新秀如Pandora（譯者：一個收聽網上音樂的站點）和del.icio.us（譯者：著名的社會化書簽網站）。

亞馬遜－－推薦之王

亞馬遜被廣泛認為是網上購物行業(yè)的領袖，特別是推薦機制的使用。過去十幾年間，該公司投入了大量金錢和腦力開發(fā)推薦機制，來促使用戶更多地購物－－包括對你瀏覽歷史、購買歷史，以及其他用戶購買數(shù)據(jù)的分析。讓我們看看亞馬遜推薦機制的幾個方面。下面是登陸到我的亞馬遜帳戶后網頁顯示的主要部分：



（譯者：上圖抬頭是“消費者瀏覽了這件商品后買了什么？”下面是三件商品：52%的消費者買了你正在看的這套襯衣；19%買了另一種款式；5%買了灰色的那種）

這部分是社會化推薦。注意，非常量化的分析，給我一個基于數(shù)據(jù)統(tǒng)計的理由為什么我應該買這套襯衣。而同時這又是個性化的推薦，因為它基于我剛剛點擊查看的產品。



（譯者：上圖抬頭是“為你準備的新貨”。下面是幾本書以及鏈接“為什么我們推薦這本書給你？”）

這一部分是“基于產品的推薦”，具體說是新書推薦。點擊“為什么我們推薦這本書給你？”的鏈接會顯示我的購買歷史。因此這同時也是個性化推薦－－基于我過去行為的推薦。

這一頁上有其他四個部分采用上述推薦機制的結合。我們用下表概括：

亞馬遜個性化推薦系統(tǒng)

你的瀏覽歷史	你的購買歷史
實際瀏覽商品	新產品（基于產品的推薦）
相關商品（基于產品的推薦）	相關商品（基于產品的推薦）
別人購買的（社會化推薦）	別人購買的（社會化推薦）

很自然，這個系統(tǒng)是對稱和覆蓋全面的。所有推薦都基于用戶個人行為，加上商品本身，或者是其他用戶在亞馬遜的活動。不管是因為你以前購買過相關產品，還是因為其他很多用戶都喜歡，亞馬遜每推薦給你一件商品，都增大你把它放進你的購物筐的可能。

超越亞馬遜

亞馬遜的推薦系統(tǒng)是程序自動化和用戶相關購物信息天才集合的經典之作。亞馬遜花了十幾年的時間建立和完善了這個系統(tǒng)。這個系統(tǒng)基于產品和相關用戶的巨大數(shù)據(jù)庫；記錄的信息包括你在過去幾年或幾分鐘內做過什么。其他新公司如何與之競爭呢？

出乎意料的是，有辦法競爭。答案來自與網絡購物沒什么關系的學科－－遺傳學。如你所知，遺傳學研究DNA片段－－基因，如何承載影響人類特性和行為的密碼。比如一家人因為他們有某些基因是相同的，因此長相和行為有類似之處。遺傳學是一門有150年歷史的學科，在醫(yī)學和歷史學的研究中都是一個重要工具。但遺傳學一個出乎意料的應用于2000年1月6日出現(xiàn)－－Time Westergren和他的朋友們決定把遺傳學的概念引入到音樂中。

潘朵拉（Pandora）－－基于遺傳學的推薦系統(tǒng)

音樂染色體組項目的推出，目的在于把音樂解析成為最基本的基因組成。它的基本想法是：我們因為音樂的某些特性喜歡音樂－－那么為什么不能根據(jù)音樂的某些相似之處設計出一套推薦系統(tǒng)呢？這類推薦系統(tǒng)應該屬于基于產品的推薦。但具有深刻創(chuàng)新意義的是，產品（音樂產品）的相似性，通過“基因”組成來衡量。

（譯者：上圖是Pandora音樂播放器向用戶解釋為什么播放一首歌曲：“基于你告訴我們的信息，我們播放這段音樂。因為這段音樂微妙地使用人聲合聲，混合了聲學和電子樂器，有以人聲為核心的審美特點，音調以大調為主，以及其他音樂基因組項目中發(fā)現(xiàn)的相似性。”）

在奮斗了幾年，分析了海量的音樂后，這個項目積累了足夠的數(shù)據(jù)，并推出了名為Pandora的在網上收聽音樂的服務。Pandora 由于準確的推薦和用戶低成本進入（譯者：指用戶可以很容易地就試用Pandora的服務）取得巨大成功。用戶只需選一名歌手，或一首歌，就可以建立一個用戶自己的電臺，播放類似的音樂。

這種“即刻滿足感”是很難抗拒的。因為Pandora 了解音樂相似性背后的因素，它不需要了解用戶的好惡，就可以把用戶黏住。確實，Pandora 需要把握用戶的口味或記憶－－但這正是蘊藏在音樂本身的DNA中了。當然Pandora有時并不完美，會播放不對用戶口味的音樂。但這很少發(fā)生。

很自然地我們會問：這個基于基因的推薦方式能不能應用于其他產品－－如書籍、電影、酒、餐館、或旅游點呢？對于每一類產品，它的基因又由什么因素組成呢？比如說，對葡萄酒來說，它的基因是否包括對酒的口味的描述呢：黑莓口味、土味、果香型、復合型、混合型，等等。而書籍的基因是否是描述故事情節(jié)的用語呢？如果基因真的是讓某一個物體在我們頭腦中產生獨特形象的因素，對于不同的事物我們應該可以把他們的基因定義出來。其實在過去的幾年間，我們已經在互聯(lián)網上做這樣的事了。這就是“標簽（tagging）”。

Del.icio.us －標簽會成為基因么？

Pandora 的初始投入是巨大的。因為成千上萬的音樂需要人工來鑒定。社會化書簽網站中首屈一指的 del.icio.us 則采用不同的辦法－－讓用戶自己來鑒定、標識。這種自組織的方式相當成功，del.icio.us 很快在最初的使用者中流行起來。今天，del.icio.us 已經不僅僅是一個書簽網站－－它還是一個新聞網站和搜索引擎。但del.icio.us是否也是一個推薦系統(tǒng)呢？

（譯者：上圖顯示加了“Linux”標簽的最受歡迎的網頁鏈接，右側是相關標簽。）

答案是肯定的。這是一個非常簡明的推薦系統(tǒng)，它指基于一個基因－－那就是一個標簽。例如在上圖中，我們看到最受歡迎的加了“Linux”標簽的網頁鏈接，同時還看到相關鏈接如“Open source （開源軟件）”和“ubuntu （Linux 操作系統(tǒng)的一個版本）”。而一個更令人興奮的推薦系統(tǒng)是基于多個標簽的吻合。然而由于算法還不完善，這一點的作用并不明顯。但至少，這一功能對于Read/WriteWeb 的網頁（譯者：原文的站點）是有效的，在下圖中，可以看到右側顯示的與 Read/WriteWeb 類似的其他博客。

因此，del.icio.us 的機制有可能發(fā)展成為一個有趣的自助分類、組織的推薦系統(tǒng)。如果有足夠的用戶并逐步調整系統(tǒng)，用群體的力量加標簽的方式可以建立起一個對書、葡萄酒、音樂同樣有效的推薦系統(tǒng)。前題是，標簽要準確到能夠成為被標簽對象的基因！

結論

推薦引擎是網上電子商務系統(tǒng)和用戶體驗的一個重要組成部分。網上零售商們有強烈的意愿向那些正在瀏覽的用戶提供推薦，以驅使他們購買。亞馬遜有一套非常出色的個性化推薦系統(tǒng)，是這個領域的領先者。其他網上零售商面臨的問題是缺乏用戶信息和軟件構架不完善。

最新的推薦引擎，如受遺傳學啟發(fā)的Pandora和基于群體社會化標簽的del.icio.us都是非常有趣的新發(fā)展。這些系統(tǒng)的長處在于“即刻滿意度”－－不需要用戶提供他們的偏好和過去的瀏覽或消費歷史。不管未來如何發(fā)展，亞馬遜、Pandora和del.icio.us目前展示了極其出色的推薦技術。我們向您推薦這幾個系統(tǒng)，并對未來拭目以待。

轉載：http://blog.csdn.net/java060515/archive/2007/04/18/1568824.aspx