最近一段時間，搜索引擎與個性推薦的曝光率很高，看個性推薦這頭“猛獸”來勢洶洶的樣子，搜索引擎獨霸流量入口的好日子似乎已經到頭了。從用戶角度來說，搜索屬于主動行為，是由你的主觀意向去獲取結果；推薦屬于被動行為，它是通過技術來獲取你的行為數據從而自動推斷你的需求。到底什么是個性推薦？個性推薦跟搜索引擎的區別在哪里？個性推薦接下來怎么發展？個性推薦未來何去何從呢？人人都是產品經理7群（7661422）對此進行了一番激烈的討論。

一、哪些常用應用加入了推薦功能，滿足了什么需求

常用應用：

1、休閑娛樂類：視頻推薦（愛奇藝，搜狐），音樂推薦（豆瓣FM，蝦米）

2、商業消息類：商品廣告推薦（京東，亞馬遜）

3、資訊閱讀類：文章推薦（無覓，今日頭條），發掘推薦（知乎會智能邀請用戶來回答問題）

4、分發平臺類：軟件推薦（小游戲，91助手）

從上可以看出，個性推薦功能已經在各個常用領域有所實踐，但在一些專業領域還未滲透。個性推薦是一種擴展聯系，現在主要針對的是用戶“懶”和“未知”。從現實的發展來看，個性推薦也確實在資訊娛樂方面發展的比較好，但商業這塊相對來說則形式比較單一，但隨著推薦進一步發展成熟，滿足用戶精準需求后其體驗與盈利模式都將上一個臺階。

滿足需求：

1、節省時間、滿足喜好，用戶在不知道自己要干嘛的時候，通過推薦可快速找到自己感興趣的東西；

2、輔助決策，面臨各種選擇時，適當的推薦能提高用戶的選擇效率；

3、突破個人思維進行擴展，當我想學習某門語言的時候，他可以在我學習的過程中推薦相關或者遞進的資料給我，使我不至于被自己的認知面所限制；

4、能滿足各種各樣的用戶，通過每個用戶的獨特數據，一個可以滿足不同用戶在不同場景下的需求，解決了群體與個人的矛盾，感覺更像個私人助理。

實際上，個性推薦的第一作用不是個性化喜好，而是由源數據觸發的連帶擴展，從某種角度看，這屬于活躍用戶的二次營銷。從現在帶有推薦功能的應用上可以看出，該功能大多是滿足興趣與需求的擴展。

二、推薦通過怎樣的形式實現功能

一個完整的推薦系統由行為記錄模塊、模型分析模塊和推薦模塊組成。

行為記錄模塊負責記錄可體現用戶喜好的行為，如點擊、評分、下載、購買等；模型分析模塊則完成了對用戶行為記錄的分析，采用不同的算法建立模型描述用戶的喜好信息；最后，通過推薦模塊，實時的從內容集篩選出目標用戶可能會感興趣的內容推薦給用戶。如采用打點的模式，通過數據維度將每個用戶映射到三維空間里，通過矢量半徑測算需求相似度，若兩者各有10000個指標，而相同的有8000個，則說明這兩人興趣比較相近。

但基于“內容過濾”與“協同過濾”兩種算法的推薦容易出現“冷啟動”和“數據稀疏”等問題。冷啟動（主要是協同過濾）指的是推薦集所推薦的內容必須是先被其他用戶使用過的，而那些未被大量評論覆蓋的產品來說，他們是很難進入他人的推薦集；數據稀疏是個難以避免的問題，單個用戶不可避免的只能接觸到總數據的一小部分，而當兩用戶評價過的內容沒有交集時，算法就難以判斷這兩用戶是否興趣相似，從而難以找到相似的用戶集。

三、搜索引擎與個性推薦的區別

前面已經說過，從用戶角度來說，兩者的使用目的是不同的，具體可分為如下三點：

1、推薦是被動接收的行為，搜索是用戶的主動行為；

2、推薦一般是聯想輻射的，而搜索一般是即時需求，目標明確；

3、推薦是通過分析用戶行為展現出的結果，而搜索是服務端獲取用戶行為的一個入口。

相對搜索來說，推薦有著很清晰的優點，首先他主動精準，可快速幫用戶找到需要的信息；其次為用戶打上標簽信息，使商戶廣告的投放更加準確 。

當然，作為一個正在發展中的技術和功能，推薦仍然有很多可改進的空間，每個推薦都需要積累大量的用戶行為作為支撐，而且用戶短期或即時的興趣點擊容易對算法造成干擾；多樣性與精準性的矛盾可能在中后期體現出來，要么推薦不準確，要么信息源越來越單一；評估次數的不同很容易導致算法得出的“用戶興趣”與真實需求有偏差，如我最喜歡西瓜，但在看到西瓜前我已經“喜歡”草莓三次了，那么就算我點喜歡西瓜，算法也會判斷我為“最喜歡草莓”，從而導致推薦的不準確；最后就是用戶的隱私問題了，推薦與大數據結合的相當緊密，所以這里要如何消除用戶的心理擔憂會是個關鍵問題。

經過群友們的討論，大家覺得推薦的時候要考慮用戶疲勞度，同時增加與興趣點可能關聯的其他新特征點的探索因子。此外，用戶的興趣是會隨著時間而變化，所以一定要給用戶修正的入口。個性推薦最終可以發展成個人助理，類似方案解決服務。

四、個性推薦可以如何走下去

與搜索引擎相比，推薦當下的盈利手段也不弱，分別有渠道收費（前端廣告費、后端咨詢費），效果營銷收費（按點擊效果收費、按成交返點付費），面向用戶收費（保證優質內容及服務才有實現的可能如訂閱+推薦的增值服務），競價排名等，個性推薦的競爭力相當可觀。一個優秀的產品不止要當下獲得成功，更要保證其長遠的盈利目標，接下來看看推薦未來可能的盈利模式有什么。

1、針對客戶忠誠化管理，可收集大量用戶的消費信息，將用戶的喜好數據賣給商家，以便商家對目前的產品進行調整；

2、針對用戶的消費與薪資等相關信息，對客戶推銷產品，如理財產品；

3、有價值的收費資訊，如相親網站的交友推薦；

4、與硬件軟件商合作分成。

推薦的主動基因注定他具有很強的運營推廣優勢，在保證數據精準，不干擾用戶的情況下，降低成本、提高效率、易產生粘性、優化用戶體驗等效果都是很容易達到的。總的來說，現在互聯網領域越分越細，如何精準營銷早已提上日程，用什么方式，怎么去做，個性推薦可能已經給予了我們一些啟發。

小編想法

其實推薦做的最重要的就是體驗，在互聯網的快速發展情況下，用戶只會越來越挑剔，注重體驗的推薦天生就帶有一定的優勢，如若能搭配好搜索引擎雙線出擊，將搜索作為一個行為需求采集入口，通過推薦來實現后期的反饋服務，用一個賬號將多平臺產品連接起來，那樣就真正能使用戶閑下來了。

就個人想法，我比較看好推薦在教育領域的發展?；ヂ摼W教育必定是接下來發展的熱點之一，但通過個人的獨立挖掘很難能兼顧一個領域的各種信息，或者說缺少一位老師做提示，如果個性推薦能夠根據學習情況精準智能的推送相關資料或資訊給自學者，再根據用戶的進度微調推薦結果，誰說他不能擔任老師這個角色呢，而且在這里面的前后端（前端用戶、后端商家）都有收費的可能，機會會不會也更大呢？

討論主題來源：個性推薦何去何從

此文檔為人人都是產品經理社區7群討論總結，由jacky整理，轉載請注明原文鏈接。

感謝各位參加的同學（排名不分先后）：jacky（主持人）、達令、漓江、醬油、小麥、becky、方塊、寒少、西冷、Lester2o13、伯文、july、小Q、狗窩、導演、阿航、星、韓冰、Mr.Fighting、阿泉、小豆。