萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 電腦基礎知識 >  >> 電腦基本常識

推薦系統不會向你推薦什麼?揭秘數據采集、商業規則與信任博弈

以為在淘寶「偷偷」看情色物品能逃過系統眼睛?錯。為猜中你心思,演算法需盡可能采集數據;為贏信任、讓商家賺錢,系統還遵循嚴格商業規則。

全方位采集你的上網數據

以亞馬遜藝術品店為例(900萬+印刷品/海報):記錄評分、點擊放大、反復瀏覽、加入心願單、最終下單、瀏覽路徑。登錄期間幾乎每個動作被記錄;Cookie技術讓匿名記錄最終關聯到個人檔案。網店比實體店更有優勢:記錄不僅買了什麼,還包括考慮過、瀏覽過、決定不買的商品。歐洲隱私法有限制,但全球大部地區任人監控記錄。

數據采集示意

濫用數據引發強烈反彈:2000年亞馬遜因老顧客被識別出更高報價遭投訴,聲稱隨機測試並叫停操作。

商業規則:防愚蠢推薦、最大化營收不失信任

  • 超市悖論規則:幾乎人人愛買香蕉,但推薦香蕉無助銷量、無益用戶——必須排除;
  • 避免「白色專輯」效應:統計學上極佳推薦(大多數人高評價、未在本站買過),實則無效(感興趣者早有了);
  • 營收導向規則:無租借版不推《復仇者聯盟》推《鋼鐵俠2》;禁止推薦虧本引流品,鼓勵推薦滯銷品(曾助客戶清庫存獲大成功)。

贏取信任:透明度與用戶控制權

純推高利潤商品如餐廳服務生極力推魚(真好吃還是趕著賣?)。複雜算法保持透明:讓用戶知曉推薦理由、可修改個人資料。亞馬遜「為什麼推薦給我?」顯示心願單書觸發推薦;可刪除送禮購物記錄(不反映個人偏好)。但仍不夠:喬收到月轟炸式HDTV促銷郵件(實已買過),無「不感興趣」選項,最終取消訂閱。

推薦算法究竟有多大作用?

推薦效果數據

阿倫森集團估計:推薦算法帶動銷售增長,投資回報率10%-30%。評價難點:目標多樣(精度/意外驚喜/多樣性)。意外驚喜加權非尋常高價值推薦(如用Joan Armatrading替代《白色專輯》);多樣性避免單一作者/類型堆砌。前沿研究:如何幫助用戶發掘未知內容領域(如引導買書者進服裝部),減少社會巴爾幹化。能否做到不讓人厭煩/不信任,仍需拭目以待。

copyright © 萬盛學電腦網 all rights reserved