数极客首页

关闭推荐系统,你会看见不一样的世界

推荐系统已经在内容平台、电商、视频网站等多个领域取得了不凡的成就。常常有人使用千人千面来比喻推荐系统的作用,而最直观的体验就是你最近关注什么领域的东西,你访问网站时该领域的东西的比重就会大大增加,很方便,不是么。

关闭推荐系统,你会看见不一样的世界

通过上面的简单描述相信大家对于推荐系统有了初步的认识,推荐系统的方式可以分为协同过滤推荐,基于知识推荐,基于内容推荐,组合推荐等方法。

以上方法推荐的切入点是不同的,策略各异,但是总的目的是一致的。即通过各种方法得知用户的喜好,并把符合用户喜好的东西推荐给用户,达到让用户可以阅读到自己喜好内容的目的。

这为用户节省了大量的时间,也就提升了用户单位时间内享受内容的数量,用户的使用体验得以提升。对于平台而言,精准知道用户的行为也是很有价值的信息。看起来两全其美,没有什么问题。

一、一个不恰当的例子

很多事情其实并非想象的那么简单,作者举一个例子来说明推荐系统到底在干上面。如果把推荐系统比作一个餐馆,用户比喻为顾客。

这个餐馆能够知道每一个用户每天来都吃了什么,然后这个餐馆为了增加用户的用餐体验,想出了一个好的办法,它为每一个用户提供不同的菜单,比如:这个用户喜欢吃面,那么我就给这个用户提供面食菜单。

那个用户喜欢吃肉,那么他的菜单上都是肉一类的食品。每天来吃面的用户针对自己只有面的菜单肯定也只能点面食,因为他都不一定知道还有海鲜的存在。久而久之,他的菜单越来越偏向面。

一段时间之后,这个用户吃面吃腻了,但是餐馆还是为他提供了面的菜单,他想告诉餐馆可以换个吃的不?

不过餐馆没有回应并表示该功能暂时没有上线,顾客舍不得离开这家餐馆,因为食品质量很好,装修也不错。那么他只好化妆打扮了一番再来到了这个餐馆。

这个时候餐馆不认识他了,就给了他一份总菜单,用户从总菜单中仿佛看到了新的世界,原来还有这么多好吃的啊。

以上这个例子其实已经很明确了,饭馆就是网站,吃饭的人就是用户,推荐内容就是菜单,化妆之后再来就是换了个账号或者游客登录。

通过上面的例子说明了推荐系统的一个问题就是限制了用户的视野,没有考虑到用户的喜好是广泛的,且在无形中剥夺了用户接触广泛内容的机会。

二、推荐系统限制了用户的视野吗?

毫无疑问是限制了的,以抖音为例,从它的启示页面是推荐就可以看到:抖音的目的是让用户沉浸在不断的刷和刷之中,但是以它优秀的推荐系统,用户大概是刷不到“不相干”的东西的。

如果一个用户的兴趣广泛,他第一次登陆抖音被舞蹈所吸引,然后看了不少相关的内容,之后他就很难享受抖音的其它内容了,毕竟根本看不到。

当然,相信公司肯定不会做的这么绝对,比如:推荐系统虽然偏好是推荐内容的,但是也会放一些随机的内容进去以避免以上问题的发生。不过在推荐机制的运作下,用户看到新天地的机会还是被大大的剥夺了。

推荐系统的不完美之处就是没有考虑用户腻了的问题,也许用户某个时候发现这些相关内容自己都已经能够背过了,真的是想要看新的内容了,可惜这些推荐系统并不知道。

用户找新内容的时候,推荐系统将是最大的阻力。就好像一个不会换菜单的饭店一样,认准了用户喜欢吃米饭那么永远给用户拿来的是米饭的菜单。

比如:作者以前很喜欢看b站的番剧,后来觉得漫威的电影很不错,但是打开b站后首页永远是番剧,靠一时的漫威相关点击量还很难动摇推荐系统。

无奈之下只能够不登录或者使用搜索功能,值得一提的是不登录无法保存是一个很麻烦的事情,而搜索功能最大的问题在于搜不到有趣的东西。

简而言之,就是你搜索电影得到的内容肯定没有首页出现的电影内容有趣,因为首页的是很多人推荐或评分高等因素作用下选出来的,但是搜索的结果就比较简单了,根据相关程度排序等方式。

关闭推荐系统,你会看见不一样的世界

上图为登录哔哩哔哩弹幕视频网前后的差距截图,第一张截图是没有登录的时候,会提示让用户登录并说明登录后有新天地让用户体验私人订制。第二张截图以及第三张截图都是登录之后的样子,可以看出内容有了明显的变化。

因为最近《复仇者联盟3》的上映,作者搜索了很多相关的内容,所以基本上首页推荐全部是与它有关的东西。而第一张截图应该就是哔哩哔哩正常的样子,歌曲、游戏、二次元为主。

三、如果我是产品经理如何处理这个问题

处理的方法其实十分简单,即增加一个按键,关闭系统推荐功能。这个模式下用户将会得到一个新用户的待遇,他看到的东西就相当于一个新用户首次登陆的时候看到的,即一份完整的菜单。

这个时候,系统不会使用用户的使用习惯来给用户做推荐,系统会假装不认识该用户。

那么这个功能和没有登陆有区别吗?

当然有,而且很大。在这个模式下,推荐系统并不运作,但是并不代表系统不知道用户是谁以及干了什么。系统还是可以继续收集用户的数据的,并把这些数据和以前的数据汇总起来,加上一定的权重来重新评估用户。

当用户打开推荐功能的时候,一个新的“菜单”将出现在用户的面前。而对于用户而言,也可以在该模式保存自己喜欢的内容,除了不会受到推荐系统的干扰之外,一切都是一样的,收藏点赞打赏功能一个不少。

四、作为用户可以如何规避被推荐的问题

做法虽然有点麻烦,但是也是可以实现的,尤其是电脑端可以完美的实现不被推荐的效果。即同时打开两个网页,一个登陆一个不登录,不登录的网页上找好玩的,找到了如果想要保存,在登陆的页面上搜索后进行操作。

以上的做法虽然繁琐,但是确实可以让人看到不一样的世界,毕竟用户得到的信息=推荐的信息+随机的信息,如果推荐的信息太多,随机的必然会减少。尤其当用户已经腻了一个领域的时候,推荐的信息=不想看的信息。这个时候推荐系统的运作就比较尴尬了。

五、总结

b站推荐系统的广告语是打开推荐系统,给你一个不同的世界。但是作者想要说的是:关闭推荐系统,也是一个不同的世界。

当然值得注意的是:作者并不是否定推荐系统,在互联网信息过载的情况下,推荐机制能够很好的过滤没有用的信息,让用户能够在信息中找到那些更加适合自己的。

作者只是提出一个想法,一个选择,来做到不同的事情。

其实这种情况是很常见的,比如:多年从事一个行业,或者读书读到博士,都会受到局限。如果视野长期的看着一个地方,除了会导致思维狭隘之外,还会让人不知道视野之外的东西。

推荐系统是很好的,但是希望系统能够给用户不被推荐的权利。毕竟,人也会经常换个口味。

#专栏作家#

马璐,人人都是产品经理专栏作家。关注产品设计以及用户体验,力求在技术一定的情况下将产品做到极致,充分发挥技术的潜能。

本文原创发布。未经许可,禁止转载

题图来自unsplash,基于CC0协议

新一代大数据用户行为分析与数据智能平台:数极客(https://www.shujike.com),是支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合分析用户行为数据和业务数据,可以自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客们必备的互联网数据分析软件。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据分析模型,是数据分析软件领域首款应用定量分析与定性分析方法的数据分析产品

发表评论

评论已关闭。

相关文章