微博营销之个性化推荐产品研究.pdfVIP

个性化推荐产品研究 最近在微博上看到好几款做微博过滤的产品，跟两个月前自己的思路比较接近。但通过 最近一段时间的思考，有了一些新的发现和总结。 个性化推荐本来是一个技术性很强的话题，但本文重点仅仅讨论推荐过程中的“道 理”，不涉及任何深邃难懂的技术。本文的讨论主要以Zite和当前几款微博过滤产品基本 特征作为参照。为了避免不必要的争议，除新浪微博官方功能外，不指明其他具体产品名称。 一、基于SNS的Web阅读推荐 随着近年来技术发展，如自然语言处理，数据挖掘，机器学习等领域已经形成了一批可 工业化的技术，为高度个性化的内容推荐奠定了技术基础。 有了加工办法，还要有原料，才能做出产品。个性化推荐亦然。个性化推荐，无非就是 将用户可能喜欢的内容挑选出来呈现给他/她。而喜欢又受两个主要因素影响：(1)内容与用 户兴趣的相关程度；（2）内容本身的质量（热门度）。换句话说，就是需要知道用户是谁？ 他喜欢什么样的东西？这个东西是不是用户喜欢的那些类型？ 用概括性文字表述就是： 用户身份标识 用户的兴趣发现 内容的特征识别 非常庆幸，Social为个性化内容推荐提供了以上几乎所有的原料：用户有帐号标识自 己；用户的兴趣可以根据他的发帖，网络关系等历史行为数据挖掘获得；内容的类型特征可 以通过自然语言处理技术获得。这一切太完美了！ Zite，可以说就是这样一个生逢其时的产品，完美的将这些结合在了一起。通过输入 Twitter或者Google Reader帐号，Zite会分析用户的阅读喜好（兴趣），然后根据用户喜 好选取新闻/文章中与用户兴趣匹配度高的的结果呈现给用户，确实极大地提升了阅读的效 率和质量。 二、微博信息过滤和推荐 沿着上面的思路一路前行，似乎对微博这个正在趋于爆炸的信息宝库进行某种处理，根 据用户的喜好进行筛选过滤，推送用户关心的内容，会是一个不错的产品形式。但仔细思考， 会发现有两个问题有待解决： 1、 热门度 必须注意到一个现象：微博作为一种轻量级，参与度高的公开信息源。单从条目数量上 讲，微博每天的UGC数量可能比之前整个互联网一个月的产量还高，可内容却参差不齐！于 是，内容的质量成了一个问题。比如喜欢笑话的用户，推荐给他一个高质量的笑话，他会很 高兴；但同样是笑话，推荐一个质量平平的笑话，可能反而是一种垃圾信息。 可见，做微博信息推荐需要更加重视一个因素：内容的质量（热门度）。基于机器学习 等方法，目前自然语言处理技术在文本分类等工作的精度和效率，已经达到了工业化的标准。 但对于语义方面的识别和处理，还是很不成熟的。目前还没有任何自然语言处理技术能对一 段文章的观点、文采进行质量评估。靠谱的质量评估办法，还得依靠群众对文章的反馈来获 得，即热门度。 文章热门度的评估并不困难（特别对于微博），看看多少人对这条微博进行了评论和转 发就可以判定它的热门程度了。但微博作为一种实时性、瞬时性很高的 SNS产品，一方面 强调内容质量，一方面还有参与和粘性问题需要考虑。依赖专家型用户反馈的推荐系统，实 时性必定大打折扣。这也是为什么目前多款微博过滤、推荐产品的时序比较错乱的原因了（其 中包括新浪微博官方提供的兴趣阅读功能）。这自然牺牲了不少用户感受。然而Zite这种产 品形式对实时性要求不高，无须考虑这个问题。 2、 用户期望高 微博过滤和Zite阅读推荐还有一个差别。作为阅读推荐，只要把用户感兴趣的领域文 章中，选取热门度较高的一些推送给用户，就可以很好满足用户期望。如果漏掉了一些重要 的热门新闻，或者掺杂了少量用户并不关心的内容，只要具备一定相关性，都不会明显降低 用户的阅读感受。 但微博就不同了。微博用户的关注已经是用户初筛过的结果，他当然不希望漏掉这些用 户的任何重要信息；另一方面，作为过滤器形式存在的产品，用户对它的无关内容过滤能力 的期望也会相对比较苛刻。综合以上两点，微博过滤器的用户满意度及格线相对比较高！ 3、 再谈热门度 除了热门度，还有一些难以具体化的因素影响着用户的喜好。例如：很多数用户可能会 有这种经历，一条转发量并不是很高的微博，却可能是我非常喜欢，非常认可的。SNS的一 个重要特征是，用户的喜好很大程度上取决于用户的好友们。用户对内容的认可程度往往依 赖于他对信息源的认可程度。你不得不承认，即使都是你关注的用户，在你心中的分量是完 全不同的。 问题是，