中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

“先生，我注意到你買了啤酒，請問要不要再來一些尿布？”如果超市收銀員這樣問你，你會不會想K人？即使，你知道那個關于啤酒和尿布的故事。

其實原故事是說，發現很多男人周五買尿布，所以超市就把啤酒也擺在尿布旁邊。所以剛剛我故意混淆了兩個細節：尿布和啤酒的相關性是“單向”的；推薦方式是“隱式”的（擺在一起）而不是“顯式”的（口頭推薦）。更重要的是，它是針對一個特定目標用戶群（已婚有小孩的妻管嚴男人）的行為。

令人吃驚的是，我看到大多在講“啤酒和尿布的故事”的地方，都故意忽視了這些細節，轉而大談諸如協同過濾或數據挖掘什么的?？峙逻@就是為什么現在很多網站的推薦系統都做得相當糟糕的緣故吧。推薦系統，本質上一種產品，而不是什么技術架構，回歸到產品設計的根本原則，才有可能把它做得“有用”，進而“好用”。

我其實也對推薦系統的技術一知半解，不妨拋開那些技術算法，談幾點我認為很重要的設計原則：

一，著眼于“后續期望”。舉個例子，假設我在瀏覽ipad的產品介紹，旁邊的相關推薦應該是什么？設想幾種答案：A：iphone,ipod；B：ipad皮套等配件；C：不同渠道商的ipad報價；D：仿ipad的其他山寨產品。如果甲同學想買一個時尚電子產品送給女友，乙同學是ipad的狂熱粉絲，丙同學還在為ipad的價格猶豫，丁同學只是想要一個電子閱讀器，那上面這四個答案都恰好能讓他們可以繼續多看一些產品。所以，推薦系統是否成功的最關鍵因素，并非算法實現等技術問題，而是如何洞悉用戶的當前行為以及后續期望。

值得一提的是，除了揣測用戶本身已有的期望外，為用戶創造出一個新的期望也是推薦系統常常做的。比如賣書的網站就經常告訴我，這兩本書可以配套買。但這種為用戶推薦他原本并不期待的東西，成功率就會低很多，相反可能會打亂用戶原本的行為路徑。所以要慎重，不能自作聰明弄巧成拙。

二，牢記80-20法則。想用一套算法解決千萬用戶不同的需求是不可能的，這就要求我們作一些取舍。我有一個繞口的原則是：用最簡單的辦法顧好大多數人在大多數情況下的最常見需求。我的這個原則的靈感來自于一個叫everything的桌面搜索軟件。不管是微軟還是google的桌面搜索軟件，一開始總是要花很長時間（幾個小時）來建索引。但這個everything只用1分鐘就能建好整個硬盤的文件索引，很神奇！后來才發現，它只能搜文件名，而不能搜文件內容，而后者正是其他桌面搜索長時間建索引的原因。問題就在于，其實我們絕大多數時候找文件都是在找文件名而非內容，everything正是抓住了這個問題的核心，用20%的精力解決了80%的問題，然后，將剩下20%的問題直接拋棄！

將這個80-20法則用到推薦系統里，是再合適不過的了。你只需要集中精力在最常發生的情況下，用合適的算法找出合適的推薦結果，剩下的結果只要保證“相對過得去”就好。當然，這樣做的前提是，你對用戶的后續期望很有把握。

三，解決信息焦慮。假設“釜山料理”餐廳介紹頁上，相關餐廳列出“港麗茶餐廳”，你會覺得他們相關么？那，“韓膳宮燒烤”呢？會不會覺得后一個明顯靠譜很多？其原因是后一個你可以看得出它與“釜山料理”都是韓式燒烤店。但如果你是一個要在人民廣場約朋友吃飯的人，“釜山”和“港麗”都恰好在人民廣場，而“韓膳宮”其實是在離人民廣場很遠的徐家匯，那不用說自然“港麗”應該作為你下一個要瀏覽的餐廳。

這里很重要的，其實是要告訴用戶“為什么相關”。否則用戶就會困惑，從而忽略掉你精心為他推薦的內容。一個很好的例子是網易新聞，在它的相關新聞列表上，都會將它匹配的標簽顯示出來。比如“與 富士康 相關的新聞”。

四，始終記得商業目標。做推薦系統的最終目的，是為了商業目標：增加后續轉化率？增加總用戶數？還是增加成交量？其他產品設計，或許有時候需要犧牲一下眼前的商業利益，來滿足用戶目標。但推薦系統的商業目標與用戶目標的分歧并不大，相反往往更加統一，所以這時候就要特別提醒自己注意商業目標，所有的功夫都要朝那個方向努力。當然一些很基本的用戶體驗還是要保證的，像在推薦系統里塞廣告這種殺雞取卵的事情還是做不得，呵呵。

源地址：http://www.mikkolee.com/291