郭全中國家行政學(xué)院社會和文化教研部高級經(jīng)濟師、管理學(xué)博士

也說“個性化推薦”

郭全中
國家行政學(xué)院社會和文化教研部高級經(jīng)濟師、管理學(xué)博士

去年以來，筆者參加了不少會議，會議上不少專家批判以“今日頭條”為代表的個性化推薦引擎，其理由大多是造成知識窄化、低俗化和不精準(zhǔn)等，筆者認(rèn)為，這樣的理由缺乏對個性化推薦的深入了解。

“知識窄化”是知識精英的誤判。所謂知識窄化，是指人們的知識在某一方面或某一方向高度集中，導(dǎo)致知識越來越收縮。知識窄化并不是一個新名詞，曾記得微博興起之時，不少專家就認(rèn)為微博會導(dǎo)致人們的知識窄化，當(dāng)微信出現(xiàn)時，專家們不再指責(zé)微博，轉(zhuǎn)而開始擔(dān)心微信，如今，當(dāng)“今日頭條”等個性化推薦應(yīng)用出現(xiàn)之后，指責(zé)之風(fēng)又一股腦兒地涌向其應(yīng)用領(lǐng)域。然而，筆者認(rèn)為知識窄化是知識精英的誤判。

首先，知識窄化意味著知識的專業(yè)化。從專業(yè)化的角度來看，我們今天的每一個人在知識方面都是高度窄化的。想想古代的大師，多是橫跨多個領(lǐng)域的大師，而當(dāng)今世界卻難以出現(xiàn)這樣的大師，當(dāng)然未來會更難出現(xiàn)這樣的大師。但是從另外一個角度來看，現(xiàn)在的普通人掌握的各領(lǐng)域的知識量可能并不比大師少，但是在古代就是橫跨多領(lǐng)域的大師，而在今天，這樣的知識獲得只能是我們這樣的普通人。其實，所謂的知識窄化的根本原因并不是新技術(shù)，而是信息爆炸引起的專業(yè)化所導(dǎo)致的。

其次，個性化推薦能更好地解決信息過載的難題。當(dāng)前，我們已經(jīng)進入信息過載時代，每一個人都陷入信息的汪洋大海中而無所適從，出現(xiàn)了信息過濫、過多與用戶的真正信息需求不匹配之間的問題，出現(xiàn)了“多就是少”的現(xiàn)象。實踐中，大家主要通過兩條途徑來解決：一是通過社交網(wǎng)絡(luò)來進行熟人推薦，即通過社交圈的意見領(lǐng)袖來對海量的信息進行過濾并進行推薦。微博、微信、Twitter和Facebook采取的都是這種方式，但隨著信息量的突飛猛進，這種推薦方式已經(jīng)難以有效地進行應(yīng)用。二是基于互聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)和人工智能技術(shù)，根據(jù)用戶特征、場景和文章特征做個性化推薦，每一個用戶的推薦內(nèi)容都不同，實現(xiàn)真正的千人千面，有效地解決了信息過載與用戶個性化、定制化的信息需求之間的矛盾。從實踐來看，在解決信息過載方面，個性化推薦技術(shù)更為有效。

再次，個性化推薦完全能夠解決知識窄化現(xiàn)象。當(dāng)前，很多專家擔(dān)心個性化推薦根據(jù)用戶的需求而只給用戶推薦其感興趣的內(nèi)容，會導(dǎo)致知識窄化。其實這是完全的誤解，正如一個小孩會有成長周期，個性化推薦也可以利用機器學(xué)習(xí)技術(shù)來建立起用戶成長模型，除了根據(jù)用戶的需求來推薦其最感興趣的信息之外，還會給他推薦一些目前不在其需求之內(nèi)的信息，當(dāng)用戶對其點擊閱讀時，自然就會進入此后的推薦范圍內(nèi)，并根據(jù)用戶的年齡、專業(yè)等變化來適時擴大推薦范圍。當(dāng)然也可以通過用戶的自我訂閱來解決上述難題。

其實，我們要說的是，無論是報紙、雜志、廣播、電視，作為信息出口，其本質(zhì)都是對信息的過濾和推薦，是精英們的推薦，而個性化推薦則是通過機器算法給用戶們定制精準(zhǔn)服務(wù)來實現(xiàn)更加人性化的推薦。

其實，我們要說的是，無論是報紙、雜志、廣播、電視，作為信息出口，其本質(zhì)都是對信息的過濾和推薦，是精英們的推薦，而個性化推薦則是通過機器算法給用戶定制精準(zhǔn)服務(wù)來實現(xiàn)更加人性化的推薦。

“低俗化”實為對“用戶思維”的誤解。首先，個性化推薦的所謂“低俗化”實際是對“用戶思維”的誤解。通常，個人推薦的網(wǎng)絡(luò)用戶量都很大，例如“今日頭條”的用戶量高達(dá)4.5億，不同層次用戶的信息需求自然是不同的，因此不能完全按照精英們的需求進行推薦。那么，給用戶推薦什么樣的內(nèi)容更有利于用戶的成長呢？毫無疑問是基于用戶需求并稍高于用戶需求的內(nèi)容，如果給所有用戶都按照知識精英的需求標(biāo)準(zhǔn)去推薦，必然會出現(xiàn)把“陽春白雪”推薦給“下里巴人”的尷尬，用戶不僅不買賬還會拋棄你。因此，通過個性化推薦進行引導(dǎo)性閱讀，激起用戶的學(xué)習(xí)激情，發(fā)揮其積極性、主動性，才能真正有利于其成長。

其次，個性化推薦的本質(zhì)是更加互聯(lián)網(wǎng)化。互聯(lián)網(wǎng)的商業(yè)模式是“免費+收費”，即在有效黏合用戶的基礎(chǔ)上，通過增值服務(wù)來實現(xiàn)自身的盈利?；ヂ?lián)網(wǎng)化的主要表現(xiàn)就是以用戶為中心，占領(lǐng)盡可能多的用戶?！敖袢疹^條”的自身定位就是滿足盡可能多的用戶信息需求。由于我國社會發(fā)展和社會結(jié)構(gòu)的不平衡，對信息內(nèi)容的獲取需求差別很大，“今日頭條”的用戶結(jié)構(gòu)中囊括了各類別的用戶需求，不以高冷示人，符合互聯(lián)網(wǎng)傳播規(guī)律，實實在在地為用戶服務(wù)。

從互聯(lián)網(wǎng)的發(fā)展實踐來講，能夠打造平臺的從來都是基于最廣泛用戶的，如果淘寶當(dāng)初只為高端人群的交易服務(wù)，怎么會有后來的阿里巴巴集團呢？如果騰訊只為高端人群的交流服務(wù)，怎么會有后來的騰訊呢？只有為更廣泛的人群服務(wù)的平臺才可能打造真正的帝國。

“不精準(zhǔn)”是骨子里的反技術(shù)。現(xiàn)在很多人都在批判個性化推薦不準(zhǔn)確，說推薦的根本不是自己想要的，那么事實究竟是怎樣的呢？

首先，個性化推薦是需要一段時間才能真正了解用戶需求的。正如超一流的銷售員不可能一眼就能看準(zhǔn)用戶的需求一樣，每一家企業(yè)都需要一段時間的完善、調(diào)整后才能穩(wěn)定地發(fā)展，個性化推薦也需要對用戶消費行為的長時間跟蹤才能真正了解用戶的需求，也才能真正給用戶推薦更為準(zhǔn)確的信息。

再次，機器學(xué)習(xí)等新技術(shù)能夠更準(zhǔn)確地推薦。大數(shù)據(jù)和人工智能的技術(shù)還在快速發(fā)展中，基于機器學(xué)習(xí)的個性化推薦作為一個生命體，自己也在成長，相信不遠(yuǎn)的未來，人工智能一定能夠給予我們更精準(zhǔn)的信息需求。技術(shù)是推進社會和傳媒業(yè)革命性變化的動力，當(dāng)然新技術(shù)也會帶來新問題，但只要我們不戴著有色眼鏡看問題，就一定能更好地理解和解決問題，放下身段去了解新生事物比一味地指責(zé)更符合事物的發(fā)展規(guī)律。