網站推薦系統分析：推薦系統絕對不會向你推薦什么

不要以為你可以上淘寶偷偷看一下***物品，你在網站上做的一切都逃不過系統的眼睛。為了猜中你的心思，推薦算法需要盡可能多的采集你的數據，從而確定你真正喜歡什么。當然，這還是為了贏取你的信任，讓在線零售商賺更多的錢。

來源：泛亞 www.vipdushe.com

講完了推薦算法是如何猜你喜歡的 ，現在，你對于每回上網購物時在線零售商是如何打量你，并努力把你的喜好和其他人的相匹配有了一個基本的概念。

推薦系統還有另外兩大特點，也對你最終看到的推薦結果有著顯著的影響：靠前，在弄清楚你和其他購物者的相似度有多高之前，推薦系統必須先弄明白你真正喜歡什么;第二，推薦系統依照一組商業規則運行，以確保推薦結果既讓你覺得有用，也使商家有利可圖。

推薦算法是如何贏得你的信任，又讓商家有錢可賺的?

采集你的上網數據

舉個例子，來看亞馬遜的藝術品商店，上次我們去看的時候那里有 900 多萬冊印刷品和海報在降價促銷。亞馬遜的藝術品商店有這樣幾個方法來評估你的喜好。它會讓你在 1 到 5 顆星的等級上給某一件藝術作品打分，它也會記錄下你把哪些畫點擊放大了來看、哪些畫你反反復復看了好多次，你把哪些放進了心愿單，還有你最終實際下單買了什么。它還會追蹤在你瀏覽過的每一個頁面上都顯示了哪些畫作。在線零售商會使用你在其網站行進的路徑(你瀏覽過的頁面和點擊商品的鏈接) 來向你推薦相關聯的商品。此外，它還把你的購買記錄和打分信息結合起來，建立一個你長期購買偏好的檔案。

像亞馬遜這樣的公司會收集大量此類有關客戶的數據。在你登錄期間，你在它網站上的幾乎每一個動作都會被記下來，留作將來使用。多虧有了瀏覽器 cookie，連匿名購物者的上網記錄商家也能維持，最終這些數據將在匿名購物者創建賬戶或者登陸時，鏈接到顧客的個人資料。這種爆炸式的數據采集并非為在線商家所獨有，沃爾瑪便以其對現金收據數據的深入挖掘而著稱于業界。但是，網上商店處在一個更有利的位置去查看和記錄，不止是消費者買了些什么，還包括你曾考慮過、瀏覽過和決定不買哪些商品。在全世界大部分地區，所有這類活動都是任人監視和記錄的;只有在歐洲，數據隱私法在一定程度上限制了這種操作。

當然，不論法律如何，顧客發現自己的數據被人濫用后，都會產生強烈的抵觸情緒。早在 2000 年 9 月，亞馬遜吃過一次苦頭：有一部分顧客發現他們收到的報價更高，因為網站將他們識別為老顧客，而不是匿名進入或是從某個比價網站轉接進來的顧客。亞馬遜聲稱這只是一項隨機的價格測試，其呈現出來的結果與老顧客身份之間的關聯純屬巧合。話是這樣說，它還是叫停了這項操作。

在商業規則下運行

加在推薦算法之上的種種商業規則，旨在防止算法給出愚蠢的推薦，并幫助在線零售商在不失去你信任的前提下實現營業額的最大化。最起碼，推薦系統應該避免人們說的超市悖論(Supermarket Paradox)。例如，差不多每個去超市的人都喜歡吃香蕉，也經常會買一些。那么，推薦系統該不該向每一位顧客都推薦香蕉呢?答案是否定的——這樣做既幫不上顧客，也提高不了香蕉的銷量。所以，智能的超市推薦系統始終會包括有一條規則，明確地將香蕉排除在推薦結果之外。

這個例子可能聽起來沒什么，但在我們早期經手的一個項目中，我們的推薦系統就曾經向幾乎每一個到訪我們網站的人推薦披頭士的《白色專輯》(White Album)。從統計學的意義上講，這是個很棒的推薦：顧客此前都沒有從這個電子商務網點購買過這張專輯，而大多數顧客對《白色專輯》的評價都很高。盡管如此，這個推薦仍然是無效的——任何一個對《白色專輯》感興趣的人都已經有了一張了。

當然，大部分的推薦規則都是更加微妙的。比如說，當約翰在 9 月份在 Netflix 索動作影片時，結果中不會出現《復仇者聯盟》(The Avengers)，因為這部大片在當時還沒有租借版，這樣的推薦結果不會讓 Netflix 有錢賺。因此，約翰被導向了《鋼鐵俠 2》(Iron Man 2)，這部片已經可以用流媒體播放了。

其他的規則還包括禁止推薦為招徠顧客而虧本銷售的商品(loss leader);反過來，鼓勵推薦滯銷品。在經營Net Perceptions期間，我們就曾與一位客戶合作，他利用推薦系統來識別庫存積壓商品的潛在客戶，取得了相當大的成功。

贏取你的信任

然而，這種事情很快就會變得棘手起來。一個只會推銷高利潤商品的推薦算法是不會贏得顧客的信任的。這就像是去餐館，那兒的服務生極力向你推薦某道魚一樣。這個魚真的是他覺得最好吃的嗎?還是大廚催著底下的人趕在魚變質前把它給賣出去?

為了建立信任感，更復雜的推薦算法會盡力保持一定的透明度，讓顧客對系統為什么會向自己推薦這件商品有一個大致的概念，并且在不喜歡收到的推薦結果時，可以更改他們的個人資料。比如說，你可以刪除你在亞馬遜上買來送禮的購物記錄;畢竟，那些東西反映的不是你個人的喜好。你還可以知道系統為什么會向你推薦某些產品。當亞馬遜為約翰挑選了 Jonathan Franzen 的小說《自由》之后，約翰點擊標簽上的鏈接為什么推薦給我?。隨即顯示出一份簡要的說明，原來是他放在心愿單里的幾本書觸發了這一推薦。不過，由于他還沒有讀過心愿單上的那幾本書，約翰就不去管《自由》這個推薦結果了。像這樣的解釋說明會讓用戶明白推薦結果是否有用。

但是，完善個人資料和解釋推薦結果往往不足以保證系統不出錯。最近，亞馬遜用高清大屏幕電視機(HDTV)的促銷電子郵件對喬進行了轟炸——每周 3 封，連續扔了一個月。除了給喬寄了過多的電子郵件，這家零售商還沒有意識到，喬已經用他妻子的賬戶買了一臺電視機。此外，這些電子郵件并沒有提供一種很明顯的方法，讓喬可以說謝謝，但我不感興趣。最終，喬取消了他在亞馬遜的一些郵件訂閱;他并不在意收不到各種信息，而且他有了更多的時間來真的看他的電視。

推薦算法的作用究竟有多大?

更多網絡知識及相關網絡服務請QQ咨詢深圳網站建設公司QQ:2361277551