內(nèi)容并無好壞之分，你所厭惡的或許正是他人所喜愛的，因此鑒于個人愛好而形成的個性化推薦技術(shù)就成了內(nèi)容分發(fā)的有效方法。

用戶是一個點，傳統(tǒng)媒體是一個面，傳統(tǒng)媒體不可能只做一個點，而要做到面，就需要“琳瑯滿目”的新聞信息。

互聯(lián)網(wǎng)每天產(chǎn)生數(shù)以百萬計的信息，這其中充斥著太多的“垃圾”信息，這些東西只會干擾視線、浪費時間。從本質(zhì)上講，內(nèi)容本身并無好壞之分，在你看來是垃圾的信息，有時對某些人來說卻很有用，內(nèi)容永遠(yuǎn)只有感興趣和不感興趣兩種。

在這種情況下，基于大數(shù)據(jù)的個性化推薦仿佛就是一種頗為行之有效的方法了。借助強大的數(shù)據(jù)采集、分類和提取技術(shù)，根據(jù)以往的數(shù)據(jù)為我這個服務(wù)對象賦予各種“關(guān)鍵詞”，然后再針對這些關(guān)鍵詞為我推薦內(nèi)容。隨著閱讀的時間越長，系統(tǒng)越了解我，推薦的內(nèi)容就越精準(zhǔn)。

在信息匱乏時期，傳統(tǒng)媒體因不知道用戶的信息需求，只能通過海量的新聞向用戶推送，讓用戶在海量的新聞流當(dāng)中找到自己需要的新聞進行點擊。用戶是一個點，傳統(tǒng)媒體是一個面，傳統(tǒng)媒體不可能只做一個點，而要做到面，就需要“琳瑯滿目”的新聞信息。

“個性化推薦”早就不是早期的一兩個新聞客戶端產(chǎn)品的專利了，可能在口號上沒有喊出來，但是在產(chǎn)品當(dāng)中體現(xiàn)的是淋漓盡致，從首頁到頻道頁都在走個性化推薦這條路線。

用戶需求的進化，從無到有、從有到優(yōu)

我們每個人都有針對語音、圖片、文字、視頻甚至是更多的介質(zhì)的訴求，不過在產(chǎn)品上是單一的，圖片、語音、文字、視頻等是被固定的，用戶的選擇有限，個性化推薦很難在這些產(chǎn)品上出現(xiàn)。

客戶端不同，它是移植PC端的模式，只要將PC端的內(nèi)容放到手機端能夠讓用戶方便瀏覽即可。問題來了，手機端的屏幕更小，在瀏覽習(xí)慣上和門戶有很大差異，這就要求客戶端產(chǎn)品必須和PC端不同。

大部分的新聞內(nèi)容對于單個點上的用戶是無效的，用戶再在海量的信息流中找到想要的新聞信息，就得走個性化推薦的模式。

與其說是新聞客戶端產(chǎn)品創(chuàng)新走出個性化推薦模式，不如說是新聞客戶端被逼的走個性化推薦模式，畢竟不可能再有海量的信息向用戶推送了。百度新聞、搜狐新聞、網(wǎng)易新聞、今日頭條等新聞客戶端產(chǎn)品都有個性化推薦的影子。

App的封閉特性對內(nèi)容形態(tài)的影響

沒有一模一樣的人，也很難有一模一樣的用戶需求。淘寶、京東、優(yōu)酷、微信、百度等分別滿足了不同的用戶訴求。在PC產(chǎn)品形態(tài)上，鏈接間互相跳轉(zhuǎn)相對簡單，各網(wǎng)站保持了自己的垂類特性。

在App中，由于移動移動OS設(shè)計特性，每一個獨立的App都是獨立的，App之間沒有任何鏈接，用戶無法從一個垂類中進入另外一個垂類，這樣的設(shè)計對用戶造成了極大不便，可以預(yù)見每個資深智能機用戶桌面都會有海量App分組。

在新聞客戶端中，為了適應(yīng)不同用戶的不同點，需要為用戶提供盡可能大而全的內(nèi)容，從而延長用戶的使用生命周期。

個性化推薦在新聞客戶端上的主要形態(tài)

以向每個用戶推送不同的信息流為主，即每個用戶的信息流主頁里的信息是不相同的，可能是社會新聞居多，可能是體育新聞居多，可能是科技新聞居多。新聞客戶端產(chǎn)品會根據(jù)用戶的點擊喜好以及瀏覽喜好等進行分析，圍繞用戶建立符合用戶需求的瀏覽主頁，而不是“千人一面”的主頁，是“千人千面”的主頁。

除內(nèi)容外，每個用戶呈現(xiàn)的廣告內(nèi)容也是不盡相同的，用戶難得的享受了一次在廣告上的“個性化”。

個性化推薦會不會取代網(wǎng)絡(luò)編輯？

新聞客戶端產(chǎn)品使用個性化推薦技術(shù)以后，編輯的作用似乎在下降，只要機器能夠自動獲取到足夠的信息量，完全不需要編輯來制造內(nèi)容，但是這個是建立在能夠有海量的信息給予機器獲取的基礎(chǔ)上。個性化推薦會取代編輯嗎？

在當(dāng)前來看，這是個偽命題。至少內(nèi)容還是需要有人來做，機器以及技術(shù)是無法制造內(nèi)容的，比如專題制作，比如優(yōu)質(zhì)內(nèi)容制造，最新的內(nèi)容制作，必須要有人才能做到。個性化推薦優(yōu)化的是內(nèi)容，讓用戶看到想看的內(nèi)容，在這一點上我們不能混淆了。

新聞客戶端面臨的大問題：信息的審查

越來越多的虛假信息以及敏感信息等混雜在信息流中，通過新聞客戶端推送給用戶，平臺方肯定是有責(zé)任和義務(wù)來處理掉這些虛假信息的。

現(xiàn)在的技術(shù)還無法在反作弊功能上做的很好，僅僅只能通過關(guān)鍵詞過濾技術(shù)過濾掉一些垃圾信息而已，稍微復(fù)雜一點的技巧，機器都需要很久才能識別過濾，而人工的速度則快的多。讓人憂心的是，不少新聞客戶端產(chǎn)品完全沒有內(nèi)容審查這一關(guān)，甚至沒有內(nèi)容審查這一部門，雖然他們不是內(nèi)容制造者，但是作為傳播者，是有義務(wù)和責(zé)任來為他們傳播的內(nèi)容負(fù)責(zé)的，在這一點上，只有人工會更謹(jǐn)慎。

無法感知興趣之外，可能讓我們越來越狹隘

個性化推薦貌似很懂我，能夠精準(zhǔn)的猜測出我最喜歡閱讀的內(nèi)容，且不說這種做法是否足夠科學(xué)、其背后的評價機制是否有效，就算它科學(xué)有效，這是不是意味著“我只喜歡看同一類內(nèi)容”呢？

倘若我們一直接收的都是符合喜好的內(nèi)容，則很有可能陷入危險境地。這種推薦看似人性化，實則在閹割新聞。用戶生活在自我的世界，無法感知興趣之外的“新”事物。而無法接觸“新”事物自然就不能培養(yǎng)新的興趣。個性化新聞體驗采集自你的興趣，又決定了你的興趣。用戶最終淪為井底之蛙。

新聞除了讓人感知世界外，還能啟迪思想。讓人擔(dān)心的是，個性化新聞體驗讓思想裹足不前。

個性化推薦要與社交相結(jié)合、互動性

人人都是自媒體的時代，即使再渺小的個體都可能成為一個新聞源，以前的媒體是傳播節(jié)點，現(xiàn)在變成的具體的個人。大部分新聞客戶端因為沒有收錄這些內(nèi)容，很可能造成一種情況，我們的信息流動速度嚴(yán)重滯后于他人。我們無法感知新聞事件背后人們情緒的變化，而這恰恰是我們?yōu)槭裁匆喿x某類新聞的原因所在。

人們基于彼此的共性，彼此對同樣感興趣的內(nèi)容進行推薦和討論，我們稱為「社交」。目前看來，現(xiàn)有「個性化閱讀」的產(chǎn)品，想要解決的問題，豆瓣和新浪微博之類已經(jīng)解決的很好。這些產(chǎn)品天然的社交推薦機制，要比各種產(chǎn)品的「推送」來得更加準(zhǔn)確、合理。

基于內(nèi)容的個性化推薦

一般來說，如果是推薦資訊類的都會采用基于內(nèi)容的推薦，甚至早期的郵件過濾也采用這種方式?；趦?nèi)容的推薦方法就是根據(jù)用戶過去的行為記錄來向用戶推薦相似的內(nèi)容。簡單來說就是你常常瀏覽科技新聞，那就更多的給你推薦科技類的新聞。

復(fù)雜來說，根據(jù)行為設(shè)計權(quán)重，根據(jù)不同維度屬性區(qū)分推薦都是麻煩的事，常用的判斷用戶可能會喜歡推薦品程度的余弦向量公式長如下：

這種算法缺點是由于內(nèi)容高度匹配，導(dǎo)致推薦結(jié)果的驚喜度較差，而且有冷啟動的問題，對新用戶不能提供可靠的推薦結(jié)果。只有維度增加才能增加推薦的精度，但是維度一旦增加計算量也成指數(shù)型增長。定義風(fēng)格也不是一件容易的事，同一個作者的文風(fēng)也會發(fā)生改變。

個性化推薦未來還有更多路要走

繼新聞客戶端之后，會有越來越多的產(chǎn)品走上個性化推薦這條路，沒有人喜歡“千人一面”的東西?；趯γ總€用戶習(xí)慣的了解和探索，會讓用戶享受到更好的服務(wù)。

最好的推薦效果是像一個了解你的朋友一樣跟你推薦，因為他知道你喜歡什么，最近對什么感興趣，也總能發(fā)現(xiàn)一些有趣的新東西。這讓我想到有一些朋友總會興致勃勃的過來說，嘿，給你推薦個東西，你肯定喜歡。

作者：KillerTop

來源：http://www.jianshu.com/p/792b632f343a

本文由@KillerTop 授權(quán)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自PEXELS，基于CC0協(xié)議