打開任意一個門戶網站,你幾乎都能看到站內搜索,也就是站內檢索,它的作用是幫用戶快速找到想要的信息。而當我們打開某條信息時,頁面上往往還會出現相關推薦,供用戶挑選。這兩者都是為了提升網站的用戶體驗。那麼,各位有沒有想過:站內檢索與信息推薦之間,究竟有沒有什麼內在聯繫?
檢索功能出現得很早,大家應該都很熟悉了,所以下面我們重點談談這個後起之秀——推薦功能。只有充分了解推薦的特點,才能更好地看清兩者的優缺點與相互關係。
什麼是推薦系統?
搜索引擎或檢索系統誕生的背景,本質上是用戶在面對信息過載時,如何快速找到自己需要的那部分。舉個例子:你想添置一台新服務器,該怎麼辦?假設附近有一家HP代理商,你可以打電話或去店裡轉一圈,找到合適的機型;又或者你不願出門,也可以打開HP或Dell官網,在產品分類列表裡找到服務器,或直接在檢索欄裡搜。這兩個例子的核心不在於過載程度高低,關鍵在於:用戶自身有一個明確的需求,至少能自主描述出想要的這類信息。
但如果用戶沒有明確需求呢?比如我寫這段文字時想找點背景音樂,可一旦打開某個音樂網站,面對成千上萬張專輯,我很難再有明確的選擇方向,往往會無所適從。這裡我面臨的仍是信息過載,而且還是很普遍、很嚴重的一種,但此時搜索引擎或檢索系統已經很難給我有效幫助了。這時我真正需要的,是一個自動化工具:它能從我的聽歌歷史出發,從龐大的曲庫裡挑出符合我聽音習慣和偏好的歌曲供我選擇——這個工具,就是推薦系統。
與搜索引擎的本質區別
為了解決信息過載,人們發明過無數工具,目前真正得到廣泛認可的方法可分兩類:分類目錄和搜索引擎。分類目錄靠人工或半人工方式對網站分類,方便檢索者了解某些行業的信息,但人腦的速度顯然跟不上互聯網的發展。搜索引擎讓用戶用關鍵詞查找信息,解決了無法全網匹配的問題,但依然離不開「用戶主動啟動」——一旦用戶無法準確描述需求,搜索引擎就無法工作,或只能低效工作。
推薦系統與分類目錄、搜索引擎的目標一致,都是幫用戶更快發現有用信息,但不同的是:推薦系統不需要用戶提供明確需求,它會自動從用戶的歷史行為數據出發,為其建模,再從海量信息中匹配出符合需要的部分。所以從這個角度看,搜索引擎和推薦系統是本質互補的兩種工具——搜索引擎滿足用戶「有明確需求時的主動查找」,推薦系統則滿足用戶「沒有明確需求時的信息發掘」。
推薦系統是如何工作的?
為更好理解二者區別,我們有必要簡單介紹推薦系統的基本原理。可以從現實生活中「我們如何面對多種選擇做出決定」的過程說起。仍以聽音樂為例,我們通常會用以下幾種方式之一來解決:
向我們認為更專業的朋友、同事請教。也許我們會和常聽音樂的朋友聊聊,問問最近有沒有什麼很棒的專輯面世、有沒有可以推薦的;如果我們粉絲夠多、夠活躍,也可以在微博上發一條「請推薦好聽的音樂給我!」,然後等待粉絲的幫助。這大概是我們最常用的方式,在推薦系統中被稱為「社會化推薦」,也就是讓好友給自己推薦物品。
然而,從上述幾種推薦方式不難看出:推薦系統的本質,是通過一定方式在物品、內容與用戶之間建立聯繫——這與搜索引擎的本質任務有着很大不同。