创业邦公众号二维码
创业邦
帮助创业者成功
快鲤鱼公众号二维码
快鲤鱼
发现最前沿的创新公司
毒舌科技公众号二维码
毒舌科技
「毒」立思考的科技媒体
创业邦学园公众号二维码
创业邦学园
创业者一站式成长平台
创业邦 > 《创业邦》杂志 > 2012年04月 > > “推荐”时代到来?
上期封面
历史查询:

“推荐”时代到来?

  “推荐”类应用大行其道,新应用能否借大趋势的东风?


  文/曲琳


  当互联网上的信息量已经庞杂到让人晕头转向的时候,人们使用百度与谷歌的频率却在与日递减。相反,带有“推荐”意味的应用与网站萌生出来,帮网民回避漫无目的的搜索。就连百度CEO李彦宏都在“百度世界2011大会”上表示,百度要从“即搜即得”过渡到“不搜即得”,在首页上集成更多应用与网站,直接推荐给用户使用。


  这些迹象说明:属于“推荐”的时代,也许真的到了。本刊2011年10月期的《数据战——互联网江湖隐蔽阵线》一文中提到的麦路、百分点科技、微精等公司,都在沿用这种思路,获取用户数据,加以分析,然后进行推荐,更别提那些更新鲜、更细分的推荐应用。可以说,它们前进的一小步,也是我们向“个性化互联网时代”迈进的一大步。


  但从生意的角度,这些“推荐”类应用充满理想主义色彩,它们不仅距离“变现”还有点远,其中一些甚至只是以“插件”形式存在,与其他网站搭帮过日子。它们在中国能否演化出完整的盈利模式?而顺着“推荐”的思路去延伸,又能否寻找到更多机会?


  下文将“推荐”大体分为三类思路,并以一些较新的应用进行举例。值得一提的是,这几种分类并不能完全独立开,多数应用需要协作完成,将用户数据滚动起来,再循环利用,加以推荐。[page]


  “数据分析类”推荐:


  新案例:Clothes Horse


  数据分析这件事,可大可小,有相当多的公司正在凭借复杂算法进行“精准匹配”,为用户推荐出“你可能会喜欢”的商品或广告,在此不多列举。


  也有更新鲜的做法,例如构建巨大的数据库,进行相对简单的比对工作。美国公司Clothes Horse为用户推荐的是“尺码”:它的产品是一个为电商网站设计的定制化插件,用户光临网站后,会被问及一些问题,例如“穿哪些品牌服装比较合身”、“合适程度如何”等,后台数据库收集了众多品牌的尺寸数据,经过比对,进而判断出,用户在此网站购买哪个号码更加合适。其创始人认为,人们放弃已经装好衣服的购物车,7%的时候都是由于担心尺码不合适。Clothes Horse意在为用户建立一份可以通用的个人尺码资料,很可能在推荐的路上越走越宽。


  “社会化”推荐:


  新案例:无觅、酷云阅读、Forkly


  去年格外红火的“蘑菇街”、“美丽说”等导购网站被称为“社会化”推荐,即使不停有言论指出,它们的做法更偏向于媒体行为,原因是用户间难以形成关系,但“社会”的成分在其中起到一定作用。


  另外,阅读这件事也加入了“社会化”成分。“无觅”的创业团队最早的产品是个性化浏览器插件,之后推出为科技博客等内容类网站提供的“相关文章”插件,如今“无觅网2.0”,产品思路可以归结为,通过对阅读内容的分析,进行个性化阅读推荐。不仅是根据用户的阅读历史,进行数据分析后,为其推荐出感兴趣的内容,还会向社会化运营上逐步靠拢,以网站为主体,带动用户进行观点的分享和交流,并导入到微博上。另外一款个性化泛阅读软件“酷云阅读”则将新浪微博作为主要媒体源之一,使用者的阅读习惯会被推送给朋友,同样有社会化分享的元素。


  美国的一款美食推荐App名叫“Forkly”,在邀请用户为吃过的每道菜打分之外,还会将用户的口味偏好与其他使用者相对比,模式甚至有些像Twitter,食客之间可以互相Follow,由于加入了LBS概念,还可以搜索出附近的餐馆及其他用户的评价,予以参考。


  “意见领袖型”推荐


  新案例:《蛮子文摘》


  爱玩微博的天使投资人薛蛮子将微博上的资讯进行汇编与评论,做成独立的电子杂志《蛮子文摘》,在App Store上线后表现抢眼。其中板块包括时事、说史、创投、公益等,据说会有一个维护团队来为他筛选信息,最后经薛蛮子本人审核。薛蛮子还表示,短期内,此应用都会是免费。除此之外,国外也有明星推荐书籍或产品的网站,有可能成为一种独立的生意模式。[page]


  加入“社会化”元素的数据分析,才是好推荐


  林承仁:无觅创始人


  我认为搜索和推荐是两回事,搜索有明确的目的性,但是在很多场景下并不适合,比如看文章,肯定不是搜一篇然后看,再搜一篇再看,这不符合阅读习惯;另外,你经常不知道自己对什么会感兴趣,直到看到后才感到喜欢。在人们的互联网习惯中,有很多这样的情况,只是之前没有挖出来而已,像大众点评等LBS相关的应用,本质也是在推荐。


  目前市场上的阅读器或阅读社区,普遍有两种做法:订阅或根据用户喜好进行推荐。RSS订阅不能算是个性化,订阅哪些就只能看到哪些,我们目前的做法是后者,通过分析用户喜好,然后进行推荐。不过,到底哪种更适合用户,或者是一个介乎于二者之间的做法,我们也还在摸索之中。


  另外,很多产品认为阅读是私人的活动,我的看法是,就算你推得再准,用户还是会有阅读疲劳,他会愿意一直用某个阅读器的主要原因是,他的朋友也在这里,或者他认同的人在这里发表观点。国内原创内容太少,高质量的反而是用户的评论。所以我们会以社区的形式去呈现。


  去年开始,很多公司重新来做阅读器,我觉得是乔布斯救了大家一命:移动互联网爆发,iPad或者智能终端变多,人们拿着它,要么阅读,要么玩游戏。那么我们这些公司的风险在哪里呢?版权方面,看似有点麻烦,其实并没有,只要你做得很大,例如拥有几千万用户,和内容提供商谈分成还是不难的,甚至可以做收费的独家内容;比较大的风险是,阅读器的用户粘度不高,用户对产品的切换成本很低。所以我们做社区,也希望把用户的关系黏在这里。


  另外谈几句中国的互联网环境。我曾参与亚马逊推荐系统的开发,回国后做无觅,最早的产品是浏览器上的插件,以此直接获取用户的浏览数据,这在美国是很正常的做法,但是在中国,做插件简直就是没可能。我回国几年发现,在国内做新东西的难度很大,互联网圈的大公司还是那几家,风投敢投资的,也多是“Copy2China”的模式;中国对创新也没有什么保护措施;每家都抄美国的,国外一款新产品出来,很多人一窝蜂上去,只要你没有迅速做大,你的价值就显得很小,就肯定会萎缩。这就形成一个恶性循环,很容易把市场做滥了。


  但是在美国,如果有人抄袭某家公司的新模式,用户会反感抄袭者,甚至集体去抵制,抄袭者也很难拿到投资。


  有消息称阅读器Flipboard 和Zite进中国,我比较武断地说一句:他们进中国肯定会失败。中国市场太有自己的特色了,全球技术最好的公司是谷歌,都无法搞定中国市场,更别提其他人了。没有一个真正国外的产品在中国能做好,当然,国外的东西,我们差不多也都拷贝来了。


  推荐是对的方向,但不一定是赚钱的生意


  朱建秋:上海麦路CEO


  凡是“推荐”类应用,最后的目标都是“让合适的人,看到合适的东西”。三种分类中,“社会化”推荐是根据相似性,看朋友的喜好再去协同比对,这种商业模式不光需要技术,还需要懂一些社会学和心理学;“数据分析类”推荐,比如个性化阅读,在技术上并不难,随着智能手持设备的发展,发展的可能性越来越大,而且对用户喜欢的数据可以抓得很准;“意见领袖型”类推荐,如果只是名人自己喜欢,拿出来分享,并没有问题,如果涉及商业,人们又会怀疑:名人推荐的商品,真的会是他(她)自己喜欢的么?


  诸如Clothes Horse这样的公司,在中国很难做,因为中国电商公司一定会问它,做这个可以为自己带来什么。首先,在独立电商而非淘宝上去布置插件,本身就非常困难,这是我的经验;第二,它是否能增加订单?中国电商的退货情况是否普遍因为尺寸不合?此外,电商网站是否没有写好关于尺寸的规则,而且用户也不容易注意到?在满足这些条件后,即使Clothes Horse能够让用户不看提示也能买对尺寸,它本身的功能点还是太窄了些。


  我认为,有些商业模式,在美国行,在中国难。美国一些很小很专的商业模式也可以做成功;但是在中国做第三方插件就很难挣钱,在中国做新产品,一定能够要有个自己的应用面和功能点,不能依赖于某个平台。如果两者都是小公司还可以合作,如果对方大一些,肯定会自己做,大公司其实都很封闭。即使投资人觉得这些小应用很靠谱,这些公司自己去找客户的时候也会遇到源源不断的困难。


  难度太高,不如化繁为简


  杨炯纬:聚胜万合CEO


  “推荐”应用越来越多,现在人们对推荐的需求也更旺盛了,尤其是社交网站越来越多,微博的存在也增加了信息量。所以大家都在绘制互联网上的“人物画像”,把用户勾勒得尽可能清晰。


  而且我觉得搜索引擎也是一种推荐,你告诉我你想要什么,我在搜索后给你一个结果,这个结果可能是我根据PageRank或者种种标准计算出来的,有一套我自己的逻辑。


  先说名人推荐和社会化推荐:我认为这些产品很难让我建立使用习惯,因为那里推荐的并不是我自己喜欢东西,《蛮子文摘》是薛蛮子的喜好,不是我的;导购社区的推荐,是那些爱晒自己购物成果的女孩的喜好。所以我更看好基于数据的个性化推荐。


  但是数据分析的技术难度又特别高,我们公司在做广告的推荐,无法达到完全准确。例如我们追踪到某个网民一个月看的200个网站,但其实人家一个月看了近2000个网站,我们的数据永远不够全面,就像盲人摸象一般。但是这样的意识和做法是有意义的,盲人摸象不要紧,摸过总比没有摸过好,总比完全瞎掰好。所以目前的大部分情况下,推荐类应用,很难做到真的个性化。


  有些数据推荐应用,一上来先问一连串问题,说实话我会觉得有点烦,如果问题问得少,比如有4个问题,每个问题有4个选项,那就是把所有用户分成16类,还远远不够,很难做出好的用户体验。不过话说回来,从目前的商业模式来看,把用户粗略分类也够用了,例如按照星座划分12种人群。


  它们会撼动搜索引擎


  刘二海:君联投资董事总经理


  互联网上,解决问题的方式有三种:主动搜索、提问题到问答网站、浏览推荐。搜索确实给人们提供了一个极其简便的找到答案的方式。人机界面非常简单,简单到只有一个框。说到人机界面,不能不提苹果,人机界面的发展趋势,在乔布斯和苹果眼中,就是走向自然,力求降低产品的使用门槛,使得产品在很短的时间内迅速达到很高的渗透率。同样的道理,简单易用的特点,使得搜索大行其道。


  可搜索还是有很多问题。最突出的是结果太多,不太准确,或是没有合适的答案。基于社交和分享的推荐和问答可以比较好地解决搜索引擎不准,结果太多的问题,是非常有前途的。它们的成功有几个关键要素:


  其一,寻找用户聚集地。数据分析也罢,社交及点评也罢,都需要大量用户。自己集聚用户当然最好,但非常难,可能更合理的方式是与海量用户的社交网站合作。


  其二,社交关系网的利用。这方面LinkedIn 做得不错。


  其三,数据挖掘。这是推荐的基础。


  今天,社交网络已成为巨大的存在。而基于社交关系的推荐、问答等应用已然出现苗头。因此,我看好这里的机会。它们的发展很可能会对搜索引擎产生影响。

产品服务升级,如需试用本功能,敬请移步至睿兽分析

跳转至睿兽分析打开 知道了,下次再去