我关心的倒不是这个，我主要想说的是 YOU 为推荐系统带来了什么？

最早的推荐系统，比较有名的诸如 MovieLens 什么的，一进去就要求你至少给出 15 个 ratings，然后系统才开始为你服务。这就好像我要进一个商店买衣服，售货员却突然先拿着 15 件衣服蹦了出来说，你先告诉我你喜不喜欢这些衣服，我再告诉你哪些衣服适合你。是不是很让人烦啊。当然这里面有理论或者说是算法尚不成熟的原因。但更重要的是，那个时候的互联网服务提供商，很少会具备为 YOU 服务的理念。推荐系统向人们描绘了一个美好的目标，但要接近这个目标，你需要按照“我”的要求，付出许多地努力。这是早期的推荐系统最终无法取得成功的重要原因之一。

现在，我们看到的诸如 Amazon，del.icio.us，这些推荐系统的成功，我个人认为就是把出发点从“我”转换成了“YOU”，在推荐系统的可用性方面做了比较多的创新。Amazon 利用购买记录进行推荐，del.icio.us 利用收藏记录进行推荐，另外包括 Tag 等，这些系统，都是在你使用服务的过程中，毫无干扰地收集着他们关注的数据。这就好像商店为顾客安排了一个贴心的售货员，她通过观察你的衣着、饰品，分析你试过衣服的特点，来为你提供选购衣服的建议。这是让人舒服的方式。当然还有更让人舒服的方式，就是把你以前的购买记录都保存下来，对你的衣着品位进行分析，这可以作出更被认可的建议。以前曾在电视上看过一个 RDIF 解决方案的广告，就有点儿这样的意思。

YOU，WEB2.0，包括 AJAX 的流行，其实都在宣告着互联网应用思路的转变。国内最近想做推荐的有不少，要做好，我想说两点：1、你要尽可能了解推荐； 2、从骨子里把设计产品的思路从“我”转换成 YOU。国内的 YOU 对贡献数据本来就不积极，就更得考虑产品设计的细节之处了。

国内又精通推荐又够 YOU 的自然是豆瓣了，我衷心期望豆瓣越来越好！

您可能也喜欢：
推荐系统resys小组线下活动见闻2009-08-22 (@wentrue)	社会化推荐应用还需更有个性 (@tech2ipo)	重磅推荐：Resys Group	推荐系统：主要推荐方法	迟来的感谢：Resys 豆瓣活动
无觅