Yearly Archives: 2009

非常令人高兴，我抛出了砖，引到了玉。Roger 早在 2007 年，就针对推荐系统与长尾的关系，发表了下面这篇精彩的文章。他的 blog 在 blogspot 上，由于众所周知的原因不太容易访问了。为了方便大家阅读，经 Roger 本人同意，转载在此。
我这里稍稍抱怨一下 Roger，不能总是拿 Daily Murmur 打发我们啊，下面这样的好文章实在应该多写一些啊。最后再说一句，Roger 的 twitter 帐号是 @imrchen。

我們已經談過推薦系統的架構和技術分類，接著我們來觀察推薦系統的目標和成果，是否如研究者或經營者所預期的那麼美好。推薦系統的研究在學界雖然不是紅得發紫，但是一直受到相當程度的關注， Netflix Prize 的話題一開，更受人注目。在如何建構一個「更好的」推薦系統這個題目上，過去產、學二界攜手的成果，是有目共睹的。

但是我們對於推薦系對銷售究竟有什麼影響，它是如何影響消費者的行為，是否真的達到原先建設推薦系統的目的，則是所知甚少，沒有足夠多的研究可以證實我們的觀點（不管這個觀點的內容是什麼）。

第一種觀點：推薦系統促成長尾

過去對於推薦系統成效，有兩種截然不同的看法，第一種觀點，可能也是目前較佔上風的觀點，認為推薦系統強化了長尾（Long Tail）的實現，讓銷售方和購買方都得到更多選擇與便利。比如說 The Long Tail 的作者，就直接了當在書中宣稱我們從資訊時代進入「推薦」時代─We are leaving the Information Age and entering the Recommendation Age（讀者可參考「長尾」在英國出版宣傳時作的 Exclusive Extract ，請看第 24 頁）。

這兒有一個學院派的例子，MIT Sloan Management Review 在2006年夏天出版了一篇由三位名校（MIT/Purdue/Carnegie Mellon）教授共同執筆的 From Niches to Riches: The Anatomy of the Long Tail （下載PDF）。在這篇文章裡，作者們肯定地說：

Our
research suggests that search tools can also be very effective in
allowing consumers to discover and purchase products they otherwise
would not have considered, resulting in changes in sales distribution among a company’s products.

作者群在另外一份論文（Goodbye
Pareto Principle, Hello Long Tail: The Effect of Search Costs on the
Concentration of Product
Sales）裡表示，在他們的研究裡，經由網際網路通路購買產品的消費者，傾向於購買不暢銷或不是很有名的產品（他們用 obscure
這個字眼）。換句話說，作者認為：IT 科技（當然包括了推薦系統）促成了長尾的實現。

We
find evidence that Internet purchases made by consumers with prior
experience are more skewed toward obscure products, compared with
consumers who have no such experience.

第二種觀點：推薦系統錦上添花，結果是強者愈強

另外一種看法則和前一種觀點大相逕庭，第二種看法則認為推薦機制（和目前常見的各種行銷手段）只是強化原先銷售成績就出色的前段班產品，對於銷售多元化（diversity）一點幫助也沒有。我們來看個國內的例子：

十月初，老貓學出版發表的「好書會自動販賣時代」之消逝一文，談到網路時代的行銷活動與長尾（Long Tail）的關係，顯然老貓認為網路不僅沒有促成長尾，反而讓強者愈強，銷售的模式的錦上添花而不是百花齊放（先說聲抱歉，引文有點長，粗體字和紅字是我加上去的，與原文無關）。…..

…..
新書區的替換率太快，促使出版社和書店必須做點什麼，以便幫助讀者過濾新書。推薦機制、特價、預購、首賣、獨家封面、落地陳列、贈品、活動、試讀本，所有異於正常發行的動作，都有助於爭取讀者的眼球，讓讀者在茫茫書海中先一步辨認出我的書來。
…..
過去我們以為網路世界可以為我們帶來可貴的長尾，現在事實證明，網路加速了短頭的極端化。好賣的書，賣得比過去更好，而沒有行銷資源挹注的書種，賣得比過去更差。（如果有人在博客來上班的話，請別誤會，我的描述並不帶評價，事實上我也不認為虛擬通路無差別地秀出每月兩千種新書的書單會有什麼好處。此外今天這個這個結果也是出版社和通路攜手製造出來的。

最新的研究

線上推薦系統（online recommenders）比起傳統的暢銷排行榜（best-seller lists），的確是一大進步，對於銷售方和消費者都帶來非常大的便利和福祉，這是無庸置疑的。但是推薦系統是不是真的能帶來銷售的多元化 (diversity)，目前並沒有足夠多的研究和討論來支持任何一方的論點。

最近兩位賓州大學華頓商學院的學者（Daniel M. Fleder and Kartik Kosenagar）針對上文所描述的爭論，發表了相關的研究，兩位作者認為這篇論文是第一個嘗試調和不同論點的研究，論文有長、短兩個版本可以下載，個人認為華頓的線上刊物 Knowledge@Wharton 對於這個研究的介紹 ─ ‘Reinforcing the Blockbuster Nature of Media’: The Impact of Online Recommenders 最具參考價值，文章精簡，說明不失深度，而且可以下載 Podcast 慢慢聽。Read/Write Web 對這篇論文的報導，也值得一讀，這篇報導的讀者回應相當精采，如果時間允許，也不妨看看（Yes, I know. 人一天只有24小時）。

從 Reinforcing the Blockuster Nature 的標題，我們可以想見，這個研究認為，推薦系統的確會讓原本的暢銷產品銷售益發興旺，不是豪無保留的認為推薦系統與長尾應該劃上等號的。這篇論文的焦點，是推薦系統與銷售多元發散（diversity才能促成長尾）間的關係，主要觀點如下：

• 有些推薦系統，的確會產生 rich-get-richer 的現象，使得銷售品項和數量集中，而非多元發展。
• 作者強調縱然個別消費者可能透過推薦系統發掘他們原本不熟悉的產品，但是所有消費者加總（aggregate）的結果，是降低而非增加銷售的多方發展。I
• 推薦系統的設計會影響結果，有些推薦系統會造成長尾效果，有些則會得到相反結果，所以公司的經理人應該考慮自身需求來決定設計的方向。

不同的聲音

推薦系統研究的開路先鋒 Paul Resnick 教授， 在部落格評論上面所提到的研究時，認為 discovery 和 reinforcement 是推薦系統最重要的兩個目的。

There are actually two effects that we should expect from recommenders. One is discovery--
once one person discovers an item, some other people with similar
tastes who would not have found that item do find it. The other is reinforcement– an item that many people have sampled will be more likely to get recommended.

華頓的學者在寫作論文時，和著名的部落客（博客）Greg Linden ─ 他在1997-2002 間是 Amazon 員工，負責開發推薦系統 ─ 以電子郵件交換意見。Greg 認為，如果沒有線上推薦系統，消費者只能使用更粗糙的、傳統模式的暢銷排行榜名單來尋找產品，這種情況更加降低銷售的多元化，不可能促成長尾。同時他還表達，推薦系統可藉著調整演算法達到長尾的目的 ─ Recommendation algorithms easily can be tuned to favor the back catalog — the long tail — as Netflix does.。

這還不是結論

Daniel M. Fleder and Kartik Kosenagar 在文中建構的簡單（two-item, two-player, two-urn model ）模型，是否真的足以完整、正確的模擬消費者行為，還是個開放命題。所以這個方向的研究，絕對不是劃上句點，而是才剛開始而已。

從台灣的觀點來看，本地的網際網路產業，還沒有出現一個品質和 Amazon 、Netflix 比肩的推薦系統，若是真的要討論推薦系統對消費行為的影響，恐怕產生不了足夠堅實的論證，要談本土觀點，恐怕還嫌早了點（sigh）。

延伸閱讀：

• Netflix Recommender Prize （介紹 Netflix contest）
• Netflix 滿週年了（推薦系統的理論模型）
• 推薦系統的分類
• Netflix Prize 排行榜
• Are Recommendation Engines a Threat to the Long Tail?
• Recommender system and diversity
• Recommending the tail