推荐的目标

首先要明确，信息过载（Information Overload）[备注，维基百科]的时代早已到来。IDC报告显示，预计到2020年全球数据总量将超过40ZB(相当于4万亿GB)，这一数据量是2011年的22倍。大家可能对ZB没啥概念，形象一点的说，如果有一台超级大的打印机和一张超级大的纸，我们在上面打印1ZB的文字(每平方毫米一个字符)，那么我们得到的这张纸大约可以包裹整个地球2次。在过去几年，全球的数据量以每年58%的速度增长。随着日常活动的数字化，在未来网络存储数据的增长速度会更快。在这样的时代里，信息的消费者和生产者两端都面临着巨大的挑战：从消费者的角度而言，在海量的信息里发现自己需要的信息无异于大海捞针。更何况这个大海每天都在膨胀，而且海量有很多假的针等着你去入坑。学术界也通常把推荐系统归为信息过滤（Information Filtering）的一个分枝；从信息生产者的角度，如何处理和运用海量的数据，挖掘出数据中的宝矿，去更好地服务消费者则成了难题。

消费者视角-从人找信息到信息找人的蜕变

前面我们说到，如果用户有明确的目的，搜索是一个非常方便快捷的信息检索方式。但是随着智能手机和移动网络的普及，用户得到了越来越多的碎片化上网时间，“杀时间”成了很多产品的核心目标。人都是懒惰的，在这些碎片化的时间里，用户通常没有主动发现信息的目的和动力，因此人找信息的方式在碎片化时间里前途渺茫。相反，如果产品能适时为用户过滤掉那些无关的内容，推荐出感兴趣的内容，让对的信息找到对的人，那么这个推荐能力将大大提升用户的使用体验。推荐能力提升产品体验的“一减两增“：

减负担：

不要用户主动提出需求，只要打开产品，就能有刚兴趣的信息立即可以消费，就能速食产品不需经过加工烹煮一样简单，开袋即食。首先，好的推荐能力让用户没有心理负担，大大减少了用户打开产品的心理障碍，下意识地就打开产品。比如，你在没有明确目的的情况下不会打开百度（测试网络连接的情况除外），而你在无聊的时候可能手贱打开网易新闻。其次，好的推荐能力大大降低了用户的操作负担，配合信息流的方式，形成刷的快感。就像你无意间打开网易信息，一睁眼，一下午又过去了。PC时代搜索引擎作为流量的主要入口的情况一去不复返了。在移动互联网时代，入口分散在一个个APP内，需要信息主动去触及用户，减少用户负担，否则只能埋没在01字节中。

增新颖：

你可能喜欢看《晓松奇谈》，晓松哥上知天文下晓地理让你眼冒星星：“哇，世界原来那么大，而且那么有趣。”，感觉为你打开了一扇通往“那么大的世界”的窗。是的，一个人的认知是极其有限的，世界上更多的是他不知道的信息。既然是不知道的信息，也就没有主动发现的可能。但是好的推荐系统能根据用户的历史行为帮用户打开通往新世界的门，带来超出预期的体验。比如一个天文爱好者经常看彗星相关的内容，今日发现“扫把星”的奇闻异事，细看原来扫把星就是彗星。用户会发现这个推荐合情合理。(????)

增惊喜：

跟干脆面里面的水浒卡，游戏里面的彩蛋一样，一些信息跟你在产品的主要消费行为无关，但是却非常对你的胃口，这就是惊喜。还是那个天文爱好者，今天发现了可燃冰开采的消息，感到非常振奋，点开这条内容有种中奖的感觉。天文和可燃冰本身八杆子打不到，却能被推荐出来，用户会感到出乎意料。!!!∑(?Д?ノ)ノ当然好的出乎意料叫惊喜，不好的出乎意料叫惊吓，提升惊喜度的同时要谨慎对待。

生产者视角-推荐的“六增”目标

增消费：通常对信息生产者而言，最首要的目标就是消费。而他们引入推荐系统的首要目的也是提高转化率，增加用户对核心商品/内容的消费。就是提高有消费行为的用户在所有信息展现用户中的占比。即使是最简单的基于人口统计学的推荐，比如按照用户的性别、年龄或地理位置划分，然后按不同组别做销量排名，也比没有使用任何推荐算法的效果好，因为用户有更大的机会看到自己想要的信息，从而提升消费的转化率。

增信任：

信任是日积月累的，用户对于推荐系统的态度通常是不信任，到无所谓，再到信任。信任的结果是形成品牌，形成口碑，然后带动产品的其它业务发展。比如，那些卖老年保健品的推销员，他们的工作第一要务就是建立老年人的信任。通过无微不至的关怀建立起信任，然后推销保健品，无往不利，甚至有些老年人觉得这些人才是他们的亲娃。同理，通过好的推荐系统建立产品和用户的信任，也能促进产品达成商业目的。增加信任度有效方法是告诉用户你的推荐理由，这个信息是怎么被推荐出来的，用户认为合情合理，这样一次次地教育之后，信任度自然慢慢提升。

增品类：

不同的用户感兴趣的信息差异极大，而且其中很多都属于“长尾”[备注]信息。在现实世界里，“长尾”的物品的命运基本是在仓库里吃灰。而在互联网的世界里，“货架”几乎是无限的。如果没有精准的推荐而只是反复曝光热门内容，对用户而言往往是不够的。想象一下今日头条每天都只推荐主席讲话，不带其它内容还有有人去打开吗？因此，营销“长尾”信息，把用户感兴趣的信息呈现给用户，也是推荐系统对于信息生产者而言也是至关重要的一环，这也是工业4.0[备注]的新趋势。

增体验：

越用越顺手，越顺手越用。好的推荐加上合理的交互设计，能够构造用户体验的良心循环。最直观的体验就是根本听不下来，刚刚看了一双最流行的芭蕾舞鞋，后面出现同样式更多的款式可以比较。通过不断给予用户正反馈，为用户构建一个专属的体验，让用户沉淀在产品之中。

增了解：

建立用户模型是互联网企业逐步达成的共识，越是完善的用户模型，越能准确刻画用户的需求，从而提高服务质量，深入挖掘商业价值。好的推荐系统是一个会学习的系统，通过收集用户的显示反馈（如评分、点评）和隐式反馈（如点击、关闭等） 增进对用户了解，并且进一步反馈到新的推荐中。而且通过这种用户喜闻乐见的方式获取的用户喜好能够作用在其它方面。如滴滴出行通过分析用户的出行时间，做出动态价格调整来分散出行高峰。

增质量：

凡是人民拥护的，我们要拥护，凡是人民反对的，我们要反对。

以上，我分别从信息消费者的角度和信息生产者的角度阐述了不同端对于推荐的需求是什么。完美的情况是，信息生产者的商业动机和信息消费者的消费动机是一致的，这样生产者只要追随者共同的目标就能让产品走向卓越。但是事与愿违，生产者的商业动机通常和消费者的动机是有偏差的。比如在淘宝购物的时候，你想的是买到物美价廉的优质商品，而淘宝想的是更多地给你提供能为他们带来最大利益的商品。你可能因此买到价高质低的劣质商品。这就需要产品人对个中平和的精妙把握，这里不再赘述。