给“算法驱动”换个名叫“私人订制”发型.pdfVIP

给“算法驱动”换个名叫“私人订制”的发型 从网易云音乐的推荐说起 在网易云音乐私人FM成功的推荐了几首符合 口味的RB后 ， 完全被这几首歌high到了 ，一顿热 血中忽然联想到之前称赞过的UBER算法驱动的事情。因为从获取用户数据处理并给予相应反馈的 机制上来说 ，这两个A PP在算法的模式上非常相似。 随后 查阅了很多关于网易云音乐私人FM功能介绍的文章 ，然而并没有找到一个合理的系统性的 关于功能工作原理的解释。既然没人来说道这事 ，那 就自己动手来写好了。下面 会从它的工作 逻辑入手 ，加上自己已有的知识来推断它的工作原理。 第一步、对音乐进行细致分类。 音乐库里的音乐会被专业人士进行分解 ，有可能不仅仅是流行、经典、舞曲等等曲种的分类 ，甚至 应该分得更细 ，比如歌手、音乐旋律、和声、节奏、谱曲、编排等等 ，音乐被精致的贴上各种标签 。 第二步、把用户的操作进行分类。 把用户的操作分成喜欢和讨厌两大类。喜欢的操作中还要分几种权重 ，比如被单曲循环的歌肯定排 第一权重位 ，收藏排第二权重位 ，返回再听一遍排第三权重位 ，一首歌被听的完整度排第四权重位 ，等等。讨厌的操作中也一样分几种权重 ，比如被塞到垃圾箱里的排第一权重位 ，被点了下一首的 歌排第二权重位 ，被快进的歌排第三权重位 ，等等。 第三步、计 用户的操作权重 权重越高的音乐 ，相应标签优先被提取或排除。权重高的和权重低的音乐的重叠标签再次被提高或 降低排序。 第四步、匹配音乐 提取标签到乐库进行匹配计算 ，然后推荐给用户。 第五步、重复提取数据进行计 实时记录用户的操作 ，重复之前的操作。 通过以上步奏 ，随着用户听的音乐越来越多 ，数据的累积不断增加 ，音乐推送的精准度也就越来 越高。 这种算法驱动提供的内容更加贴近用户的爱好 ，在这样一个个性的世界里 ，私人订制一定会给用户 带来超出预期的惊喜。单从音乐上来说 ，它可以把之前搜歌、收藏、到自己的歌单里循环的复杂工 作给简单化 ，并且提供了一个更大的数据空间 ，无形中给用户的搜索范围提高了好多个档次。这就 是算法驱动带来的巨大优势。 法驱动的逼格 说完网易云音乐的事 ，回到本文的标题“让 们给‘算法驱动’换个名叫‘私人订制’的发型”上来。为什么 这么说呢 ，因为业内对于算法驱动的定义实在太low ，已经low到完全不能配上算法驱动本该有的 逼格。 给你们举个例子 ，请看下面大众点评关于算法驱动的诠释。 它认为通过对已有数据内的相近人、附近推荐菜、过往购买数据推算出的结果便是一种算法 驱动内容的推送行为。 这种基于本地大众的消费习惯和认知简直辱没了算法驱动的强大 ，它的定义好比一个对湖南略有些 了解的外地人对身边的朋友宣称 ：湖南的妹子都是大长腿而且特别能吃辣。 然而算法驱动其实能做得更多 ，它更应该像个心理学家 ，通过一个湖南妹子的行为细节可以推算出 她是不是大长腿、腿白不白、能不能吃辣、能吃多辣、喜欢穿齐逼小短裤还是亚麻长裙、喜欢 听RB还是伤感情歌 ，甚至交过几个男朋友、男朋友长什么样、姓名、学习经历、家在哪、手机号 码多少、身份证号码多少、一般几点睡觉等等都不在话下。 它能渗透到生活中的任何一个细节 ，包括你现在的心情如何 ，想吃点什么等心理需求也是没问题的 。 （说白了 ，其实所谓的算法驱动就是很早就被人提过的大数据的进化版 ，只是鲜有人尝试而已。 ） 当然 ，这些都是依赖数据的 ，巧妇难为无米之炊。然而现在市面上的应用大多都没有把这些珍贵的 用户数据利用起来 ，大多应用所做的依然是以自 为中心的运营模式。 它们把内容按照既定规则进行分类 ，卖衣服的把衣服分为春夏秋冬长短品牌等硬性分类 ，用户跑上 去找了一圈幸运的能找到一件喜欢的 ，大多都是不幸运的只能悻悻的关了应用 ，换换其他同类应用 再找找。 竞品间的功能区分度很低 ，用户的需求度很难被满足 ，更不用说意外的惊喜。 软文类把文章分为文艺科技实事等硬性分类 ，用户上去找到自己感兴趣的版块 ，在众多软文里能找 到几篇自己喜欢的算是不错的了。其实 ，原本他们可以做的更多。 给 法驱动换个发型 为什么要换个发型 ？ 看看历史上所有牛逼的公司 ，他们为什么能够从市场里脱颖而出成为牛逼的存在 ，其中最重要的一 个点就是 ：他们做的产品一定与市场同类产品有差异性。 香水刚盛行的时代 ，香奈儿推出的香水区别于其他香水浓烈刺鼻的香味 ，香奈儿的香水气味清淡 适鼻 ，虽然可能不符合贵妇人们耀人的装扮需求 ，但是绅士们喜欢啊 ，女为悦己者容 ，于是它火了 。 MP3盛行的年代 ，Ipod的出现横扫了MP3市场 ，因