• 精選
  • 會員

4/推薦算法-Feed時代

2019年11月27日來源:金葉宸 作者: 提供人:tanhao15......

現在的我們都知道,新的大殺器就是:推薦算法。不過應該出乎很多人的意料之外,這個大殺器其實相對它大殺四方的時代,并不能算多新的技術

所謂推薦算法這個東西,本質上就是“向用戶推薦信息的算法”。之前就說過,Google搞出了PageRank這樣一個排序算法,來分辨哪些網頁的價值更大,這本質上就是一個廣義的“推薦算法”,因為Google會把他們認為價值更大的的網頁排在搜索結果的前列,推薦給用戶。

而目前最流行的“協同過濾算法”其實早在90年代就誕生了,Amazon很早就在使用協同過濾算法,而當下使用基于“內容”的協同過濾算法大概是在2003年開始被Amazon使用的(當然,Amazon當時主要是基于“商品”做協同過濾,對推薦系統發展有興趣的朋友,推薦閱讀《推薦系統實踐》一書,作者項亮)。

要說推薦算法-信息流時代是怎么崛起的,還要從在2006年說起。

Facebook發布了全新功能NewsFeed,而最初的NewsFeed,就配備了“推薦算法”,當時的算法叫EdgeRank,最初的算法非常糙只是對不同內容類型做一些簡單的加權,但是隨著時間的推移,Facebook開始不斷優化他們的算法,比如采用更復雜的計算維度和加入機器學習,當時Facebook還抄襲社交網站Friendfeed的點贊設計(贊的設計對推薦算法來說是個劃時代的設計,有了贊機器學習的算法才有判斷推薦滿意度的重要參照物。當然最后Facebook09年收購了Friendfeed,抹除了各種意義上的威脅)。

被推薦算法加持的Newsfeed變得越來越好用,用戶不再按照單純的訂閱維度來消費信息。于是該功能上線不到兩年時間,Facebook就從日活躍用戶不到Myspace的一半迅速在活躍用戶的數據上迅速超越了Myspace。這是推薦算法第一次在信息分發中展現其驚人的威力。

于是最先進的互聯網信息公司都開始配置推薦算法這個武器。不管是YouTube、Twitter甚至做長視頻的Netflix。推薦算法一下子成為了當時互聯網產品的必備功能。此時的推薦算法-信息流,還只是一個附屬于產品的一個功能,完全基于圍繞推薦算法-信息流設計的產品這個時候還沒降臨。

說起推薦算法和信息流,其實feed這個詞被翻譯成流是一件非常奇怪的事情。雖然用“流”來形容feed確實挺形象的。不過我查閱材料的時候發現,我的朋友潘亂的公眾號亂翻書上曾經記錄過一件事情,就是早在扎克伯格創立Facebook之前,他和他的同學德安杰洛(Facebook CTO,Qura創始人)一起寫了一款使用推薦算法的音樂播放器,然后為這個個性化推薦算法申請了一個專利,當時在專利申請文件中,他們用了Stream來稱呼這個算法輸出的推薦結果串。而Stream這個詞直譯就是“流”

有了推薦算法,信息流革新商業模式,甚至成為能夠獨立存在的產品形態,建立一個全新的時代只差一步之遙。這一步的啟發來自Pinterest。Pinterest誕生在2010年,它是一款圖片分享工具,誕生的時代移動互聯網即將進入全面爆發,盡管當時Pinterest還是一款網頁產品。

Pinterest和他的前輩flickr最大的不同有兩點:

  1. flickr的圖片主要來自用戶上傳,然后讓用戶分享、轉發和評論;而Pinterest的圖片除了來自用上傳,他們還會使用蜘蛛爬蟲爬取網絡上的圖片,然后通過標簽分類把圖片進行識別過濾分類(Pinterest最大的爬取源就是flickr);
  2. Pinterest呈現結果的頁面是采用了一個向下滾動無限加載的不用翻頁的交互設計,在中國國內人們管這個設計叫“瀑布流”(infinite scrolling)。
互聯網信息分發簡明史

Pinterest的瀑布流設計成為了后來的圖片網站的標配

前者讓Pinterest擁有遠多于flickr的圖片儲備,而后者為之后的移動時代信息流產品的做了一個劃時代的設計范本

我曾經在2018年寫的《Gamification淺析》一文當中詳細闡述過推薦算法+無限瀑布流設計如何啟動人類的“斯金納強化”,使人進入“心流”狀態。而這個設計在加上一點點創新,就開啟了推薦算法-信息流模式能夠對抗搜索引擎的商業模式。

互聯網信息分發簡明史

可以由推薦算法+無限瀑布流設計激發的心流

搜索引擎的理論廣告位的理論上限雖然非常高,但是搜索引擎有個致命缺陷,那就是一個人使用搜索引擎的次數其實非常有限。這個限制是由“人能清楚的知道多少自己不知道什么”決定的。這句話聽起來有點繞,展開說就是,人必須知道自己現在要找什么,然后要找的這個信息,還得是自己不知道的,人才會有機會去使用搜索引擎。換句話說,搜索引擎的使用場景就像詞典(Google在二級市場上的傘形公司殼公司也確實叫Alphabet,意思就是詞典),人查閱詞典和百科全書的機會和無所事事的時間比,實在是太微不足道了。

采用完全主動出擊思路的推薦算法型產品,是專門設計給用戶不知道自己應該找什么的場景使用的。也就是說,這個解決方案在分發長尾信息的效率不上,要比精確的搜索引擎高出好幾個數量級。

而采用這個設計最早最出名的互聯網信息產品,應該就是今日頭條了。這可能也是中國互聯網產品在這整個互聯網信息分發史當中,第一次有在產品理念的先進性上領先美國的案例。這款產品的誕生可能也是中美互聯網copy to China到copy from China的分水嶺,是中國互聯網綜合創新力的一種具象展現

互聯網信息分發簡明史

在推薦算法時代,中國擺脫Copycat的位置

這里我們還要明確一件事情,很多人會把推薦算法當做推薦算法-信息流類產品的唯一能力。這種認知實際上是有很大問題的。

就像我前文說的,互聯網信息分發的演化過程,實際上有些類似生物的演化過程,隨著互聯網用戶的增長和網絡上信息總量的增加,我們不斷需要更高效更先進的信息分發解決方案但這個解決方案并不是覆蓋式的,新的技術應用出來,直接淘汰過去的技術。這個過程是疊加式的,新的技術應用出來,結合更新的商業模式創新,疊加成一個更先進的信息分發解決方案,這個方案會包含過去發明出來的有效解法,整體是個更完整復雜的體系

實際上像今日頭條這樣的產品,就是一個聚集了分類目錄、搜索、關注訂閱、推薦算法的綜合型信息分發產品。

我相信,在未來會出現更新更高效的互聯網信息分發產品,也會遵循這個“進化規律”,不論這個產品是在5G還是6G時代下的,是移動App還是個VR/MR應用。

互聯網這個比特鏡像的世界,一定會驅動我們人類不斷向前進


寫在最后的話:

會寫這篇文章其實還是前幾天去參加了今日頭條的生機大會。頭條的新任CEO朱文佳在開場主題演講的時候,用了一張圖描繪了一下今日頭條的業務邊界擴展的邏輯。

互聯網信息分發簡明史

今日頭條業務邊界的“一橫一豎”

當時我就想起來,我在2017年的時候寫《抖音的野望,快手的危機》的時候,我曾經也畫過一張描繪從社交到媒體的不同內容產品形態變化的圖。

互聯網信息分發簡明史

這張圖基本反映了我對整個基于關系鏈的內容形態變化的理解。恰好這個軸與朱文佳所畫的橫軸有些近似,所以我就想寫一篇講講豎軸是怎么隨著時代發展過來的科普文。

不過我寫到一半的時候發現這東西越來越長,細節頗多,于是決定省卻一些細節,希望能把這個事情講個基本明白就算OK,希望讀完的各位還能滿意。

而關于屬于未來的互聯網信息分發會怎么進化,這類比較大的話題,歡迎大家私信我留言探討。

以上,感謝。

信息分發

如涉及版權,請著作權人與本網站聯系,刪除或支付費用事宜。

0000
吉祥棋牌下载