4.20 关于推荐系统
今天下午有群友提出 POI ，秉持着不懂就知乎一下的心态，在网上 random search。刚好找到美团技术团队官方的一篇文章 美团点评运营数据产品化应用与实践，感慨颇多。这是一篇技术软文，大概是在讲美团点评如何在运营专题数据产品化的过程中，将技术转化为价值，提炼数据内容、为业务赋能是真正的发力点，为发挥数据的最大价值以及带给用户更好的体验（摘抄的原文）。
Key word： 数据、技术，精准。
作为计算机小硕，我充分明白数据和技术带来的生活革命。但是我却又常常对精准营销，精准推荐这类的话题保持着警戒。记得实验室老板在数据科学实战的第一课给我们曾说过一件事情。现在的学术圈风气不太好，大家都在追求标准集上面刷分，却又忽略了实际的需求应用。好的科研，应该是用方法解决生活痛点，而非是追求标准集上面越来越高的准确度。在这 3 个关键词，我引申出了对于精准推荐的一点点小看法。
why
有传言说，腾讯的第一笔投资是看中了腾讯对于用户数据的重视。投资人去了腾讯之后，看到了腾讯对用户数据的重视，觉得它前途无限，给了他投资。虽然这个传言真实性待考证，但是作为一名计算机小硕，我深知技术和数据可以给用户、企业创造无限价值。近几年说烂了的精准推荐就是创造双方价值的方式之一。利用精准推荐，企业给用户推荐更加个性化的内容，淘宝首页的千人千面，网易云的日推，抖音的短视频，这都是在电商、内容领域给用户带来的更好的体验。利用精准推荐，广告投放可以更加精准的触达目标用户，提高广告转化率，广告主开心；用户在找自己所需的时候降低了信息检索成本，用户也（许会）开心。
what
所谓精准推荐，就是给有需要的人推荐他们想要的内容。那么，这里就涉及到几个问题：
- 谁是有需要的 => 目标用户？
- 需要什么？ => 推荐内容？
- 何谓精准？ => 满足用户欲望程度？
通俗来讲，产品要知道 你是什么样人，对什么感兴趣，在什么情况下会需要这些推荐。
How
日常中，我们在了解一个人会去看看你的个人信息，你说了些啥，你在玩什么游戏，你日常关注什么等等。
产品了解你的方式（用户画像），可以通过下面的方式：
- 通过你的个人信息（性别、地域、年龄、职业....），产品可以给你基本划分群体，把你归类到某个群体。
- 通过你的行为信息（关注、点赞、踩、评论....），产品可推断出你喜欢什么，关注什么，对什么感兴趣。
- 通过你的消费记录（买了啥，客单价，年均成交，购买频次），产品可以推测出你的金钱观，你的消费习惯，你的消费等级...
理论上，当我收集到的数据足够多，我的模型训练得足够好，我可以断言机器比你更懂你。
除了懂你还不够，我要预测你可能喜欢什么，我才能推荐给你。系统推荐是利用了物（item）的相似度以及用户（user）的相似度进行预测，两者结合推出一个最优解推送给你。通过你日常关注的东西，机器可以找到一个跟你日常关注相似的东西，推测你应该对这个也感兴趣，这之中就是利用了物的相似度。小孩子都喜欢糖和玩具。其实这句话，我们利用年龄信息，把小孩子归成一类。我们看到小孩子们大部分都喜欢糖和玩具，所以我们推测小孩子都喜欢糖和玩具。虽然实际情况可能有少数孩子并不喜欢糖和玩具... 机器推荐也同理。机器把用户按照某些特征指标进行归类，你们之中大部分喜欢什么？通过相似度推测，既然他们喜欢这个，你跟他们相似，那你应该也会喜欢这个。
🌰 网易云音乐
网易云音乐是我常用的软件，这是因为网易云的推荐机制相比起其他音乐软件更加精准，更加对我的胃口。简单来说，网易云音乐首先利用你听的音乐的流派、曲风、歌手信息，推出用户大致喜欢的音乐类型；其次，和该用户喜欢的曲风相似的用户也喜欢什么东西。当然里面还有很多细节的部分调整，例如选择用户哪些喜欢的音乐进行推荐呢？近期在听的还是之前重复多次听的？但总体上，简单来说，推荐就是在用户喜欢的音乐和用户尚未喜欢的音乐边缘疯狂试探。通过用户的行为反馈，例如，用户点红心，跳过，音乐的完播等等的行为，校正推荐系统的推荐模型，实现精准推荐。
C 端理论上就是用户数据收割机
理论上，当平台或者收获的数据足够多的时候，用户可以持续不断的看到自己感兴趣的内容，平台可以基于精准的用户画像向用户推荐用户更加需要的东西，实现高的转化率。这里再引申一个小 🌰——屈臣氏 。
最近半年，我去屈臣氏购物的时候，店员会推荐我使用他们的程序自助买单。
- 店员给出的原因是“这就不需要您排队等候，节省您宝贵的时间。”这句话不假，我掏出我的手机买自己的单，嗯，节省顾客排队时间。
- 身边也有人就开始说，“啊，商店要淘汰收银员啦”。这话可能也不假，顾客都自己买单了，以后还要收银员干嘛？嗯，节省了商店人工。
但是，结合我这里说得数据推荐，这件事情就有更深一层的挖掘空间了。
拆分一下用户整个在线下购物，线上买单旅程：
来到商店-> 选购商品 -> 打开程序 -> 选择在哪家屈臣氏(LBS 定位) -> 输入购买了什么东西 -> 买单 -> 走人。
那用户都来到你的商店了，为何还要主推线上支付？这里着重先提出一个概念，现代人离不开手机📱，理论上所有 to C 的移动端产品都可以是收集用户信息的利器。屈臣氏推动线上付款的原因，除了要推广自己的电商平台之外，更大的层面也许是想要收集更加针对性的用户数据。在整个线上买单环节中就沉淀了屈臣氏的用户数据和用户行为数据。屈臣氏可以根据用户常常购买什么东西，对自己的店面实行差异化调配货，当然这是零售行业的常规化操作，不是线上技术带来的改变。在线上的环境，除了“货-场”的概念，还加入了“人”的因素，所以传统零售就变成了新零售（手动狗头）。用户需要注册，才能买单，这个环节已经协助了企业对用户进行点对点的标注。通过积累足够多的用户行为数据，屈臣氏理论上可以根据不同的数据，对用户进行不同的分型。例如，
- 用户购买的频次，判断你是不是忠诚客户。
- 用户消费金额，判断你是不是可以为屈臣氏带来高价值的用户。
- 用户常常消费的店面，判断用户经常活动范围。
- 用户是否常在有折扣的时候来店消费，判断用户是否价格敏感。
- 等等等等
这些行为数据可以帮助企业进行点对点的用户运营和维系，维系高价值用户，拉动潜在用户，对价格敏感和价格不敏感用户进行差异化运营等等。这也是为什么屈臣氏这类的主攻线下的商店开始推自己的电商平台原因之一。
我非常佩服阿里的布局，阿里的业务覆盖方方面。从最早的淘宝系发家，一步步扩张自己的商业版图，到现在成为中国最大的互联网公司之一。淘宝发家，为了解决品牌问题推出了天猫；为了解决的商家和顾客之间的不信任感提出了平台“中介”，支付宝；阿里云的基建为接下来阿里无数的产品推出打下了互联网基建基础，抗住了双十一的峰潮，扛住了现在新冠导致的海量用户在线业务。
主打生鲜的盒马发展史其实很有趣。生鲜要求就是生和鲜。多年深耕电商领域的阿里，掌握着无数的用户使用数据，用户消费数据，用户消费习惯。这对盒马线下店的选址提供了数据支持和科学依据。盒马的发展，堪称是新零售的典范。By the way，新零售的典型代表还有小米体验店，但是它解决的痛点和盒马不太一样，它主要解决的是用户和电商平台的信息差，这里不展开。回到主题，腾讯作为社交大咖，当然明白这个毛细血管末端的重要性。腾讯对于电商平台的用户数据是不完整的，当年腾讯提出做了拍拍网，最后也被腾讯切割出售。寄希望于狗东东？emm.... 但是，腾讯还想分这块蛋糕怎么办？腾讯还要弥补自己的电商基因怎么办？这时候，腾讯迅速转化想法，提出了“数据赋能” ，通过为中小企业提供数据技术支持服务，帮助中小企业实现.....(各种各样的需求)。你品，你仔细品。
数据和技术结合可以提供给用户更好的体验，可以给企业创造价值！ 企业源源不断的收集各类各样的价值，在网络为你创建一个比你更像你的虚拟画像，给你做最精准的推荐。However, More equals better? Really? I don't think so.
度
如果一个人整天沉浸在自己的世界里，你开始的时候会很爽。但久而久之，你只能看到自己的世界了。如坐井观天，天空便只有井口的大小。计算机的领域里，大家都在追求精确。内容平台总是会给你精准推荐你感兴趣的东西，但久而久之，你就活在了自己的信息茧房里。
信息茧房是指人们的信息领域会习惯性地被自己的兴趣所引导，从而将自己的生活桎梏于像蚕茧一般的“茧房”中的现象。由于信息技术提供了更自我的思想空间和任何领域的巨量知识，一些人还可能进一步逃避社会中的种种矛盾，成为与世隔绝的孤立者。在社群内的交流更加高效的同时，社群之间的沟通并不见得一定会比信息匮乏的时代来得顺畅和有效。
网易云常常给我精准推荐我喜欢的音乐，我就可能不知道万千世界还有很多很神奇的音乐；
我常在知乎上面搜索如何高效.... 然后知乎整天给我推荐各路大神的高效贴.... 我整天活在了知乎不经意间给我营造的焦虑感中；
当然还有很多例子。万物皆有度。和别人打交道，你要把握一个度，如何让人觉得刚刚好，让人既不感觉到疏离，又不会感到越界不适。这就是度。
个人认为，推荐系统永恒的话题不应该是精准。 理想的推荐系统应该是一位进退有度的朋友，和你密切交流却又不强势侵入你的生活。
全文终了，没想到你“居然”看完了文章，感谢你的阅读。一口气将自己的胡思乱想写了出来，胡诌一些个人看法， 欢迎留言交流你的看法。
