现代人生活中每天都会收到许多来自移动终端及PC端的“推荐”；有来自传统短信的推荐，有移动App推送的推荐，有电子邮件的推荐，还有浏览购物页面时提示别人还购买了什么的推荐。说“推荐”是客气了，其实就是广告。
有的推荐很简单粗暴；因为你的移动终端有下载我们的App，关注过公众号或是曾经在网上买过我们家的商品，所以事后各种推荐信息源源而至。有些推荐号称用了大数据的技术，可以了解你的兴趣、偏好，所以能提供精准的内容或是商品推荐。
教科书级的系统推荐案例
关于使用大数据分析来做精准推荐，国际知名的亚马逊算是教科书级的案例，当我们在亚马逊电商网站上浏览某个商品页面时，会看到亚马逊告诉你买了这个商品的其他人还买了什么别的东西，或是看过这个商品的人对什么其他商品也有兴趣。我们也常听到专家说在淘宝上买过、逛过之后，之后每个人的淘宝首页“长相”会不一样，而所以会有这样“千人千面”的状态，是因为系统从你某段期间购买记录、浏览网页记录，搜寻商品记录，再加上收藏商品的记录，“拼凑”出一个品牌及商品的推荐组合，而这个组合被厂商认为能有效提高购买率。
这几年提供内容的平台正红，其中又以“今日头条”玩转的最好；不论是网民的关注度、App的下载量还是“今日头条”里文章的转发率，在目前的内容分发平台中算是佼佼者。“今日头条”号称自己不“生产”文章或信息，而是由网民们自行上传内容，“今日头条”只做两个动作：1.审核内容有无违背敏感议题，或是法令规范，2.通过审核的内容，系统开始推荐给可能会读你文章的“今日头条“用户。
作为用户，许多人会先在“今日头条”提供的几十个推荐频道中，选择自己感兴趣的频道主题，变成”我的频道“，不同用户看到的头条内容主要从他所选择的主题频道里产生，另外一部分的内容来自系统推荐。因为每个人感兴趣的主题不同，阅读过的内容不同，所以“今日头条”用户的内容组合一样是”千人千面“。
系统推荐会让用户落入“互相强化”的循环吗？
写到此，似乎一切都很好，有什么好说的？但今天我要点出的思考是：精准推荐有没有技术以外的盲点？经由大数据演算之后的推荐，不管是文章、信息还是商品，真的是人们需要、想要的？系统理性、科学的推荐，会不会反倒让人们选择变少，且落入“互相强化”的怪圈循环？
举个例子：小兰妈妈多年经验发现读高中的女儿喜欢吃的菜大概就那5~6样，于是妈妈每次做晚餐就在这5~6种菜做排列组合，如此吃了半年。小兰有天说：妈，您做的菜都没什么变化，老是那几样啊，吃都吃腻了。妈妈说：这些菜不都是你爱吃的嘛，以前做菜给你吃，我观察你吃得较多的就是那几样，所以，后来我做菜都做你喜欢吃的，这是我疼你的心意啊。而且，我发现自从都挑你喜欢的菜来做饭，你总是胃口很好，把菜吃光光的呀。小兰说：我是吃光光没错，那是因为只有这些菜，没得选啊，加上曾经也喜欢吃，将就将就，就懒得说了。但是喜欢的菜吃再多次也会腻的嘛，今晚您换换口味吧….。
来自电商或是内容分发平台的各种推荐，有没有可能也犯了小兰妈妈同样的问题？用户过去在你平台上的“行为”，经过系统的演算之后产生了一幅“用户画像”，因此而型塑出用户在平台首页上看到的商品组合或是内容，然后平台在页面上又以显著位置让用户优先看到这些组合或内容，所以这些组合或内容的点击率相对提高了，用户对这些组合及内容的点击率高，造成系统判断这是该用户喜欢的，下次的推荐也是相似类型的商品组合与内容，用户看到这些内容继续采取了点击回应，然后系统判断这是该用户喜欢的…..。于是乎一个怪圈就这样的循环下去。
这算用户行为强化了系统的推荐？还是系统推荐强化了用户的行为？刚开始肯定是用户行为先影响系统的，到了几轮循环后，就变成互相强化，直到用户因厌烦不再回应系统的推荐为止。站在系统的角度来看，系统是非常客观、全面，不带任何情感，只反映顾客行为。但今天系统交互的对象是“人”，“人”的变化性很大，喜欢的口味也常常在变动，连自己都不一定了解自己。所以所谓的大数据或是现在流行讲的人工智能，再怎么强，也只能分析到人们表面的行为层次，数据分析后若能据此抓出用户下一步的选择倾向，这已经很厉害啦。
系统推荐“限制”了消费者的选择机会？
对淘宝、京东商城、亚马逊等电商来说，他们都会将本文前面提到的用户各种行为记录下来，用系统汇整、分析之后，在不同用户的屏幕首页“拼凑”出品牌及商品的推荐组合（或说是“出现组合”），这个组合已被电商认为能有效提高点击率，进而促进提升购买率。在理论上来说，这样的安排合理，实务上多年下来也证明了此举对于整体业绩是有卓越贡献的。但从另一个角度看，却是在“限制”消费者的选择，最后会不会造成这些电商首页对于消费者吸引力降低？以及让消费者看到更多不同类型商品、品牌的机会变少呢？这样可是会影响到用户的自然回购，及未来对平台的业绩贡献度。（自然回购是指在平台或商家没做促销时，用户仍然会买）
举例来说，消费者小林最近4周内，在淘宝上浏览了多个不同卖家的耳机、男装、苹果手机配件、女士包包、零食、阿迪达斯运动鞋的商品页面，也在其中订购了一些商品。所以，未来在小林的淘宝首页一定会出现两种类型的推荐：一种是他购买过的及浏览频率高的商品类别，一种是他买过的及浏览频率高的品牌类别。我们再假设最近一年内，小林浏览的页面及购买的品类与前面说的最近4周是相似的，从数据分析人员来看，他们会很兴奋小林在淘宝上的“用户画像”被勾勒出来了，所以，小林的首页在“商品类型”及“品牌喜好”组合上基本可以定型下来。
但例子中的小林是怎么想的？且让我模拟他的心声：小林近来觉得淘宝越来越不好玩了，首页看到的商品类型老是那几项，品牌也总是出现那些“熟面孔”，甚至才刚买过大码T恤，结果首页又再推荐这个商家。从前逛淘宝那种发现新鲜商品的惊喜与乐趣似乎越来越低了，他不禁回忆起5年以前的淘宝，打开首页总能发现各种不同类型的新商品，难道淘宝现在卖的东西变少了？
回到现实，整个淘宝平台上的商品与商家当然没有减少，这几年可能还不断增加。那为什么小林会有这样的“错觉”？
“行为导向”发展到极致就是精准营销吗？
原因可能就是系统将“行为导向”的逻辑发挥到极致时产生的后遗症；“用户喜欢什么，平台就“喂”他什么“，这个逻辑合理，但当平台端出的“菜色”太多是揣摩用户可能的喜欢时，用户只得从中做选择，这些选择反馈回到系统时，系统再度认为这是用户的喜欢，于是又回到“你喜欢什么，平台就喂你什么”的新供给上来。几轮循环下来之后的“喜欢”，这个数据的含金量早已不是用户“初始”喜欢的份量。
精准营销是平台为了促进各种商品及品牌“在正确的时间”被“正确的人”看到的机会，同时减少消费者在网上搜寻、选择的时间。目的在提高转化率，帮助平台、卖家赚钱。所以并未从用户的角度去深入思考其内在逻辑的合理性。
其实，除了少数人是目的导向的购物者，对大多数人来说，无刻意目的的逛街是一种乐趣，也是打发时间的一种“娱乐”。这种心情转换到电商平台上的浏览、购物也是一样的。所以电商平台为什么要以“精准营销”之名，提高民众选择商品的效率呢？还不如去提升让商品搜索结果更精准的效率上。
扫除盲点，人为设定“模糊推荐”的比例
那么今天这篇文章对电商平台及内容分发平台点出的问题该如何解决？个人的想法是将推荐的信息用人工设定一个比例出来。例如50%的商品、品牌、文章推荐依据来自用户过去在某段期间的“行为”；20%比例的推荐来自企业外部数据的搜集与整合；30%比例的推荐是随机进行的“模糊推荐”，与用户过去“行为”无关，这样做的好处是既能开发用户的新需求，同时也让平台上的商品、品牌或文章具有丰富多元的变化性，同质性高的商品或文章也不再一而再、再而三的出现在用户眼前。
这个比例企业可按照自己对用户的了解及未来CRM的策略去订出最符合企业利益的比例。
总之，本文不是反对大数据、精准营销或是各种信息的推荐。相反的，我蛮喜欢这些技术的应用及对营销观念的启发，而且还常常透过写文章与演讲去提倡。同样地我也可以接受系统提供的各种推荐，因为从接收各种推荐中，总能找到喜欢的商品或信息，既可以打发时间，还能丰富生活。这是我要事先表态的基本态度。
但是就如文章一再阐述的，这些推荐有它一定的盲点，值得大家来探讨。这问题不是来自系统的程序、代码是不是有bug，而是开发系统的团队其背后逻辑、观念与假设。如果能将本文提出的观点纳入思考，并做些什么调整，也许电商平台能开发更多商机，内容分法平台能让更多用户粘在上面。
网友评论