本站原创关于引擎及公司及用户方面的免费优秀学术论文范文，引擎相关电子商务论文主题,关于下一IT增长点:推荐引擎2.0相关论文范文文献，对写作引擎论文范文课题研究的大学硕士、本科毕业论文开题报告范文和文献综述及职称论文参考文献资料下载有帮助。
百姓网CEO王建硕最近发表了文章《2011年注定是中国互联网第三春》,根据他提出的五年周期理论,每隔五年会有一批人出来创业,就会有一批风险投资周转完毕转而支持新的项目,这样算来,在2005这个web2D的奇迹年之后,2011年必将会有新东西爆发.王建硕看好的概念是“移动互联网”,而著名IT博客“对牛乱弹琴”的主人Keso却不看好2011年的爆发,因为现有的web2.0公司还在寻求能真正赚钱的模式呢.
但有一个东西很可能成为未来几年互联网公司的新主攻方向：推荐引擎.
践行“长尾理论”的第三个法则
今天的年轻人中,可能任意两个人在24小时内看过的节目和新闻都完全不同,每个人都能根据自己的兴趣找到特有的一套内容,这就是web20的力量.对2005年的创新公司来说,最重要的革命性思想可能是2004年《连线》杂志主编Chirs Anderson提出的所谓“长尾”理论――哪怕是最不流行的东西也会有人喜欢,这是小众市场的时代.
而互联网,甚至可以说整个社会的一个大趋势,是人们面临的选择越来越多.过去是全国上下看一个电视剧,而现在中国每年生产1.5万集电视剧,很多甚至根本没有播出的机会.19g4年,美国总共有50万种不同的商品出售,而现在仅仅在亚马逊网站上就有超过240万种商品.长尾和web20,正是选择越来越多带来的现象.
Anderson提出长尾的三个法则,第一是让所有东西都可以被获得；第二是让这些东西卖得很便宜；第三是帮我找到它.前两点可以说已经做到而且做得很好了,现在的关键是第三点,怎么帮助用户作出选择.这就是推荐引擎的作用了.
传统的推荐引擎太落后了
据市场分析公司Forrester统计,那些在电子商务网站被推荐过商品的用户,有三分之一的人会根据这些推荐买件东西.任何广告都不可能做到这样的成绩.所以推荐引擎不但是web20的最核心技术,更是广告的终极形态.我们可以设想,当一个人面对购物网站上几十万种商品,有多大可能没有一件是他愿意买的呢这个人空手而归的最重要原因,也许是那个他一定会买的商品没有被他发现.
多年以前,我曾经在亚马逊买过一本《量子力学》,这是物理系研究生的教材,结果是很长一段时间内亚马逊就不停地向我推荐各种物理教材.这个推荐引擎想得非常周到,只可惜它不知道我早就不需要这种教材了.现在当当网买书,每一本书的关联推荐往往都是一些流行热卖的相似图书,这些书我早就知道而没有买,难道会因为看到推荐就买么人们需要的是个性化的、恰到好处、最好还有一点惊喜的推荐,传统的推荐引擎太落后了.
推荐比联想要困难得多
在线DVD租借提供商Netflix有一个算法保密的推荐引擎Cinematch,它根据用户对电影的打分来判断他还可能喜欢什么电影.这是一个相当优秀的引擎一亚马逊可以免费给你推荐,而Netflix的电影推荐服务只给付费用户.但Netflix并不满足,他们在2006年提出悬赏,希望有人能把推荐引擎的性能提高10％,奖金是100万美元.可是这奖金直到2009年才被一个七人小组得到,其中包括两名AT&T(美国电报公司)的科学家.
传统的推荐引擎主要根据统计用户记录来发现关联,重点是“买过这物品的人还买了什么物品”.这个原理简单,但它的缺点在于推荐的都是一些相似的东西,可是它们必定有很多人买过了,它无法制造惊喜.这可能也是很多人更愿意逛书店的原因之一,在书店里往往会偶遇一些自己完全想不到,而且没有名气的好书.另一方面,传统的引擎不知道一本书或者一个电影到底好在哪里,为什么人们会喜欢,以至于无法做出更精确的推荐.
“音乐基因缉计划”
但现在有两个新的推荐技术,堪称是推荐引擎20.
Pandora是一个专门致力于歌曲推荐的公司,它的办法是分析歌曲.在Pandora的算法中,每一首歌都有400种不同的属性,他们聘请一位音乐专家,使用20分钟的时间给这首歌的所有可能的属性打分.这样一来每一首歌都被一组数标记了属性.Pandora的目标是建立一个包含所有歌曲的数据库,称之为“音乐基因组计划”.他们每月能分析1万首歌曲,在过去10年之内已经分析了74万首.
这个推荐算法的原理是,如果你表示喜欢一首歌,程序会自动寻找跟这首歌的“基因”相同的歌曲,并赌你也会喜欢.Pandora现在已经是iPhone和iPod中最流行的应用之一,随着一首歌的播放,你可以随时表示喜欢或是不喜欢,程序通过网络自动提供各种你可能喜欢的歌曲.
Pandora的独特之处在于它完全根据一首歌的本身属性和你的喜好记录来判断你喜不喜欢,而不考虑别人喜不喜欢.显而易见的好处是也许这首歌并不流行,可是你就是喜欢.Pandora更“了解”歌曲.统计表明,在使用过Pandora的人中,45％买了更多音乐,只有1％的人因为Pandora减少了音乐购买.
直接分析每一个人
另一个推荐引擎公司Hunch有更大的野心,它的做法是直接分析人.Hunch并不去分析歌曲、电影或者书有什么属性,它分析每个用户有什么属性.你喜欢百事可乐还是可口可乐你喜欢蓝色的笔还是黑色的笔通过大量的统计分析,HunCh发现,如果你相信UFO存在,那么你更有可能喜欢百事可乐；如果你有一个MBA学位,那么你更有可能喜欢蓝色的笔.
现在去Hunch的网站,它允许你用fa-Cebook或者twitter的账号登陆,然后它会问你20个看上去与电影和书籍一点关系都没有的问题.这些问题包括你住在城市、郊区还是乡下,你会不会自己安装家庭影院的音箱系统,你能不能连续做10个引体向上,喜欢吃什么样的炸薯条等.根据这些信息,它将会向你推荐5本杂志、S部电视剧和5本书.我很少看电视剧,但Hunch向我推荐的5本杂志中有2本是我已经订阅了的,5本书里有1本是我看过的,虽然剩下的我不怎么感兴趣,但这已经是相当不错的准确度了.
Hunch的雄心壮志便是给每一个用户建立一个个人喜好档案,然后那些电子商务公司就会向它购买完全基于个人喜好的推荐服务.
这一回没法山寨了
中国显然需要高性能的推荐引擎,而且考虑到国人的喜好与西方用户未必相同,这种推荐引擎还必然是具有中国特色的.
推荐引擎会在中国有很大的发展,但是其中也有困难.首先,“炼成”一个好的推荐引擎需要大量的真实交易数据,而这些数据往往备公司保密,是一种稀缺资源.Netflix是为了举办100万美元的优化大奖,才公开了部分用户的电影评价数据.Pandora则是采用劳动密集型的做法,雇人给每一首歌设定属性,而且费时多年才开始盈利.很难想象淘宝或者当当会把自己网站的交易记录交给―个第三方公司去研究.
更重要的是,推荐引擎技术很难山寨,它不仅仅是一个编程的问题,而必须请统计学家、艺术家和工程师合作研究.中国在2005年爆发出来的web2.0公司,与它们借鉴的欧美公司最大的不同也许仅仅是创意,而现在则到了需要核心技术的时候.几个大学本科退学生甚至高中生,想出一个好的创意,写几个月程序,然后就能拉到风险投资,说创业就创业,说上市就上市的时代已经快要结束了.
从web20到推荐引擎20,必定是互联网公司从低端到高端的一个进化.