Recommendation Engine 或者 Recommendation System 我一直称之为“Recommendation Mechanism”,最早是04年研究文本挖掘的应用接触到，05到06年主要因为关注和研究社区应用就自然而然的离不开这个关键词了。

 

刚才在RWW看了几篇关于"Recommendation"文章（Rethinking Recommendation Engines，

The Art, Science and Business of Recommendation Engines

），写得都不错，但很遗憾，没有找到“起点”

 

 

文章内容的推荐、书籍、电影等内容、物品性的推荐和音乐、食品等体验性的推荐分别是截然不同的，没有可比性可言

Rethinking Recommendation Engines中提到的Pandora，以及包括last.fm等其他的几家国外的音乐服务其实在一年多以前就有用过，但是一直不太喜欢，原因很简单因为一直不能真正达到我的目的，甚或怀疑那么多说好的人纯粹是出于恭维的心理，当然也许是每个人欣赏水准不同。

也没有专门的去研究过Pandora的推荐机制的主要参数是什么只是纯粹从体验的角度浅显的尝试了下，放弃的主要原因是因为人们喜欢一首歌的原因有很多，但在原因的分层中第一层首先是有人因为歌词而喜欢音乐，有人纯粹是因为旋律，而且在现实中人们是否喜欢往往是这两个因素的交织混合，实际上用户自己也很难说清楚，如果用户一下子就可以说清楚那么其实最主要的因素反而就不是这两个因素而应该是因为“内心深处此时此景”的“触景生情”的情愫、情绪，其实很多人应该都有过这样的经历，有那么一首歌以前经常听到，但从未觉得好听，直到某一天在一个特定的场景下突然觉得很好听，继而费尽周折穷尽力气也一定要找到这首歌，网上当下来还不够，设置找了n家cd店买下来后才满意；触景生情类的是没有定性的，不像服装、书籍、电影等具有较强的确定性。

 

而且还有人类自身的学习、不断尝试新事物等特征；以及不容忽视的从众心理等更多其他因素，这就是在建立“封闭的（完善、健全、系统）”的推荐机制的时候必须考虑到他的“开放性”因素以及应用。

普通人一般都有追赶流行的特征，也许某首歌或者某本书可以使得原本根本不可能的人改变自己的习惯，所以推荐首要的是从用户的需求出发，应该给用户一个选择而不是傻瓜式的，所以应该专注于抓住用户的“起点”。忽视用户起点的推荐最终轻则造就你就形同于你在日常生活中每次打各种机构、公司的服务电话时候面对喋喋不休的自动语音粗暴骂娘的感受；重则等同于你现在使用某个服务商的服务时面对他的霸王条框，让你无条件的放弃自己的很多权力一样让咬牙切齿痛恨不已，但互联网的推荐服务不等同你现实中面对的霸王条款，你可以随时选择放弃使用的权利，而且不会对你带来其他任何的实际利益损失。