推荐的现状和未来，以及对创业者的忠告
Jie
推荐技术，到底是锦上添花还是雪中送炭，主要是由公司的状况决定的。所以大家在讨论的时候，最好分一下对象状况，而不是一概而论。
如果一个公司还在面临生存问题，自然很难指望一个推荐模块就可以救活它。
如果一个公司在赢利的边缘，一个好的推荐模块可能可以最终让你赢利。
如果一个公司营业额很大但遇到发展瓶颈，推荐的加入即使只能提高几个百分点，但从绝对数字上看可能就是增加上百万的赢利，推荐提供商只需要从中分一小部
分也是很巨大的回报，双赢。
而对于Amazon、Netflix这样的公司，据说推荐导致的订单超过30%，其影响力是无以伦比的
我可以很负责的告诉你，至少在美国，工业界对推荐的需求是很大的，而且一直在增长，因为个性化是未来网络服务的发展方向。现状是，许多大公司正在招人做
推荐，中小公司或者没有足够开发团队的公司则通过购买推荐服务来获得这项功能，这一点从联系我的猎头到联系我们公司的客户就可以知道。
我的前提是这个推荐技术本身已经做的足够好，的确能带来价值。这个价值到底有多大呢？
一方面是技术本身有多好，CTR, CTS或Conversion Rate的提高有多少，系统有多稳定，扩展性有多高等等
另一方面是这个技术对企业的意义有多大。
比如对于网络媒体，推荐只能少量提高页面访问量，进而提供广告浏览次数和被点击的可能，这样推荐能发挥的价值就相对有限，但这些网站的影响力大，是提高
知名度的好途径。
而对于网络商家，推荐的存在可以让用户更快找到理想的商品，进而提供下单的可能性，这样推荐发挥的价值就很大，但毕竟做的成功的电子商务公司数量有限，
而且他们可能也会自己开发推荐系统。
只要技术和客户的完美结合，才能创造最大价值。
下面说说推荐服务的挑战，主要是针对有志于把这个技术发展成一个独立公司的创业者。
在全球范围提供推荐服务的公司，有一定竞争力的，据说目前大概有60来家，有一些已经做的挺不错了，很大程度上是他们找对了市场。而我们得到的一个教训
也是，一定要找对市场。好好想想哪些企业推荐带来的利益最大吧。
目前大部分做推荐的公司的技术模式比较相似，一种是直接到客户公司为其开发，另一种更常见的是提供一个SaaS服务，通过插入一段javascript
代码来显示推荐。但这种模式现在正收到CMS（Content Management System）的挑战，因为绝大部分商家会使用一些商用CMS系
统来管理内容，而CMS本身也开始提供推荐服务。除非你的推荐做得比CMS自带的强很多，或者有其他的增值服务，比如可以帮客户分析数据、定制功能，否
则很容易被CMS取代，毕竟实现一个推荐算法的门槛很低。当然，你也可以把市场做大，然后等着某个CMS或电子商务公司来收购你。
此外还有一个选择问题，是走广还是深的路线。如果走广的路线，就可以考虑拓展到手机、视频、微博的推荐，容易赢来各种客户，不过系统维护起来会比较累，
专业性可能不够强；如果走深的路线，则可以专攻某一类领域，把技术和服务做到最好，但客户数量可能相对较少。
创业做推荐服务，最大的困难可能还是在于市场扩展，毕竟客户是要一个一个去开发的，合同是要一个一个的签的，这个周期很长，也很磨人。所以你需要足够的
耐心和资金，不要把钱烧得太快。美国这边竞争已经很激烈了，中国可能还刚兴起吧，尽早行动更容易处于有利位置。
我个人的观点是，专业和独立的推荐服务要想生存发展，一靠市场的选择和定位，二靠技术、功能和用户体验上的提高和创新，三靠优质稳定的服务。进入市场的
时机是一个因素，但基于SaaS的服务是比较容易被取代的，所以我觉得产品质量更重要。
最后想对那些钻研在技术前沿的朋友们说，你的付出不会白费。推荐技术与其他很多技术相关联，比如搜索、在线广告、信誉系统、SNS等热门方向，从广度上
你以后可从事的方向非常宽广。而把推荐做好需要对统计、机器学习、搜索、云计算等热门技术的深入了解，从深度上也可以为以后的工作打下扎实基础。
在硅谷，我已经深切的感受这一点，并且受益非浅：我得到了下一份非常理想的工作。我相信国内用不了多久也会是这个趋势，推荐技术的春天已经到来。
Boolean Tao
Boolean Tao
jianle xiao
--
肖建乐--广州
一三九移动互联网信息服务（北京）有限公司
Add：广州市天河区高塘软件园高塘大道中国移动南方基地1.1栋 510656
Mobile：13560316544
MSN:xiaoj...@hotmail.com
E-mail:xiaoj...@staff.139.com
王立才
Gary Wang
Loeb
Guozhu.Wen
--
阿稳
Guozhu. Wen
算法攻城师
mail: guoz...@gmail.com
douban: http://www.douban.com/people/wentrue/
blog: http://www.wentrue.net/blog/
twitter: https://twitter.com/wentrue
skype: wentrue
Felix Zhang
发件人： Loeb <loeb...@gmail.com>
日期： 2010年7月20日 下午6:57
主题： Re: [resys] 推荐的现状和未来，以及对创业者的忠告
收件人： re...@googlegroups.com
谷文栋
oxygen
Jie
On Jul 20, 1:56 am, jianle xiao <jianle.x...@gmail.com> wrote:
> 好文，我都想转发到我blog中去，不知道楼主是否同意！
>
> 2010/7/20 Jie <cnjiey...@gmail.com>
> MSN:xiaojia...@hotmail.com <MSN%3Axiaojia...@hotmail.com>
> E-mail:xiaojia...@staff.139.com <E-mail%3Axiaojia...@staff.139.com>
Jie
念可以吹嘘。而对于提高CTR，更多的考虑是如果改进用户界面，把推荐列表做的更醒目，位置摆放的更显著。大量的数据进来，其实可以做很多有意义的挖
掘，而且可以对这些数据背后隐藏的知识也非常感兴趣，但这方面的投入非常少。
我一直觉得，在推荐技术的背后，在大量的用户行为数据里面，其实有很多的事情可以做，很多的数据挖掘技术可以运用，很多的增值服务可以开发，这才是超越
推荐更有意义的东西，是技术壁垒所在，也可能是新商业模式的增长点。
此外，如果让人相信推荐结果，或者对推荐的解释，也是一个日益重要的课题。大家可能都有经验，推荐的东西效果不好，久而久之就不那么相信了。但如果每个
推荐都有相应的解释，为什么推荐这个，那就更可信，即使效果还是不好。比如Netflix的电影推荐，就会在推荐结果旁边显示，这个推荐是因为你看了这
几部电影，或者他们有共同的导演，等等。
社交网络也是信任的来源之一。如果能把推荐与SNS相结合，推荐的东西中有你朋友的评价，结果会更可信赖。一个问题是在数据本来就稀疏的情况下，再用
SNS来过滤一下数据量就更少了，所以这也是有适用范围的。
> Gary Wang <gary.wang1...@gmail.com> 於 2010年7月20日下午5:21 寫道：
>
>
>
> > Jie不愧为一线人员，说出了这个行业的酸甜苦辣！
>
啃饼
最近热议的app应用flipboard对推荐有什么启发吗?
在 2010 年 7 21 日，3:08 下午，"Jie" <cnji...@gmail.com>编写：
我也遇到类似的问题，作为startup，公司并不是太重视算法的改进，而是更倾向于开发一些新的feature，以便在推广产品的时候有很多功能和概
念可以吹嘘。而对于提高CTR，更多的考虑是如果改进用户界面，把推荐列表做的更醒目，位置摆放的更显著。大量的数据进来，其实可以做很多有意义的挖
掘，而且可以对这些数据背后隐藏的知识也非常感兴趣，但这方面的投入非常少。
我一直觉得，在推荐技术的背后，在大量的用户行为数据里面，其实有很多的事情可以做，很多的数据挖掘技术可以运用，很多的增值服务可以开发，这才是超越
推荐更有意义的东西，是技术壁垒所在，也可能是新商业模式的增长点。
此外，如果让人相信推荐结果，或者对推荐的解释，也是一个日益重要的课题。大家可能都有经验，推荐的东西效果不好，久而久之就不那么相信了。但如果每个
推荐都有相应的解释，为什么推荐这个，那就更可信，即使效果还是不好。比如Netflix的电影推荐，就会在推荐结果旁边显示，这个推荐是因为你看了这
几部电影，或者他们有共同的导演，等等。
社交网络也是信任的来源之一。如果能把推荐与SNS相结合，推荐的东西中有你朋友的评价，结果会更可信赖。一个问题是在数据本来就稀疏的情况下，再用
SNS来过滤一下数据量就更少了，所以这也是有适用范围的。
On Jul 20, 3:57 am, Loeb <loeb.c...@gmail.com> wrote: > 在台灣的大大小小的網站裡，目前服務的公司算是肯花錢在這上面了。 > 自己的體認上，關...
> Gary Wang <gary.wang1...@gmail.com> 於 2010年7月20日下午5:21 寫道：
>
>
>
> > Jie不愧为一线人员，说出了这个行业的酸甜苦辣！
>
> > 在 2010年7月20日 下午4:56，王立才 <wiiz...@gmail.com> 写道：
> > > 商战视角，顶~~ > > > > 主题： [resys] 推荐的现状和未来，以及对创业者的忠告 > > > > 前面关于推荐技术的未来有很多讨论，我来带给大家一些第一手的信息吧。我目前的工...
Jie
在startup干了两年，学了许多东西，但也有不少地方不尽如人意。推荐系统的门槛很低，我认为要想在这个市场取得大的成功，要么市场环境很好大家愿
意投资，要么商业模式有革命性创新，要么技术上有重大突破可以给客户带来更多价值。总之任重而道远，恰当的市场时机＋过人的商业头脑＋卓越的技术精英，
才能诞生出下一个李彦宏和百度。
On Jul 20, 6:10 pm, 谷文栋 <wendell...@gmail.com> wrote:
> 非常感谢 Jie 的精彩发言！Jie 还有一篇文章《来硅谷工作》，是给 resys 第二期杂志的约稿，非常精彩。我和项亮正在作杂志最后的整理，尽快放出。
> 这里先给 Jie 倒个歉了，我们有些磨机，拖了这么长时间。
>
> 2010/7/20 Felix Zhang <felix.zhang.2...@gmail.com>
>
> > 这位台湾兄弟的话我很有感触。
>
> > 我本人既做过技术（主要是数据挖掘与数据分析相关技术），又做过顾问，甚至还做过销售、市场。在我做顾问、销售时，深深地体会到，对技术人员来讲，技术本身不是大问题，但对大部分技术人员来讲，如何将自己的技术价值销售出去是个大问题。
>
> > 就像Leob说的，推荐技术是好，但是如何才能让你的客户、甚至你的老板明白它好？他们不明白，咱们就没有外部收入或者内部资源。大部分用户/客户不是咱们领域的专家。
>
> > 所以对于有志于从事推荐、数据挖掘、数据分析类相关技术的朋友，我的忠告是：再好的技术也需要包装，至少需要你能够清楚地阐释它的价值。不管你是做内部项目还是希望向外部销售产品和服务。
>
> > ---------- 已转发邮件 ----------
> > 发件人： Loeb <loeb.c...@gmail.com>
> > Gary Wang <gary.wang1...@gmail.com> 於 2010年7月20日下午5:21 寫道：
>
> > Jie不愧为一线人员，说出了这个行业的酸甜苦辣！
>
qua...@gmail.com
主要原因在于推荐系统技术门槛低、数据门槛高（大部分是业务核心数据）、与业务逻辑耦合太紧，而且结果严重依赖数据和用户反馈
再看搜索，刚好想法，技术门槛高、数据门槛低（全是可以爬到的）、基本不需要用户反馈
从产品上来看
搜索入口单一、功能简单、使用门槛低，这都导致搜索的流行
想用单纯依靠推荐来创业基本不靠谱，而且netflix、amazon的核心也不是推荐
不过我倒是觉得可以做外包式推荐技术创业，即专门给别人定制推荐系统，
可以预见的是，未来用户对推荐的需求会越来越大，
推荐系统相当与各个领域的专家、导购，但是牛逼的不是算法，而是业务数据以及用户的需求把握，
通过对算法的低成本定制、改造，迅速应用到不同的领域，就成了推荐技术外包公司的责任了
推荐技术更像
Jie
（个性化）技术本身，我觉得会是未来网络服务的主流方向，也是搜索的有益补充。
提供专业技术服务的确是一个很好的idea，曾经有一个berkeley的大牛来我们公司，也给了类似的建议。困难的是，建立起于与大公司的合作关系，
让他们信任你，这个门槛比较高。不过我们的确为一个公司提供了定制技术服务，在这个服务运转正常之后，我们赢得了他们的信任，接下来建立了更多的合
作。
在美国的信任机制比较好，只要签了合同，即使大公司一般也都不是很担心数据的问题，我不清楚国内的情况，有朋友说国内公司一般不愿意其他公司掌握数
据。
此外，在开发一个通用推荐系统的时候，你要考虑到用户会提各种各样的要求，通常客户都希望制定一些规则，那些内容可以显示，那些内容优先显示，等等。所
以要有某种数据模型和用户界面，能够非常弹性的定制和过滤推荐内容。
On Jul 23, 5:32 pm, quau...@gmail.com wrote:
> 窃以为，推荐很难形成像搜索引擎那样的专业、独立的服务，或者说推荐不可能形成独立的产品
> 主要原因在于推荐系统技术门槛低、数据门槛高（大部分是业务核心数据）、与业务逻辑耦合太紧，而且结果严重依赖数据和用户反馈
> 再看搜索，刚好想法，技术门槛高、数据门槛低（全是可以爬到的）、基本不需要用户反馈
>
> 从产品上来看
> 搜索入口单一、功能简单、使用门槛低，这都导致搜索的流行
>
> 想用单纯依靠推荐来创业基本不靠谱，而且netflix、amazon的核心也不是推荐
> 不过我倒是觉得可以做外包式推荐技术创业，即专门给别人定制推荐系统，
> 可以预见的是，未来用户对推荐的需求会越来越大，
> 推荐系统相当与各个领域的专家、导购，但是牛逼的不是算法，而是业务数据以及用户的需求把握，
> 通过对算法的低成本定制、改造，迅速应用到不同的领域，就成了推荐技术外包公司的责任了
>
> 推荐技术更像
>
> ...
>
> read more >>
qua...@gmail.com
不过以我的理解来看，存储、计算、业务的分离，是未来发展的一个方向，社会分工才能提高效率嘛
现在所谓的云计算（我现在还搞不懂这玩意是啥），可能实现了一部分计算资源的分离、但是未实现计算逻辑的分离
合理的应该是社会提供公共、安全、可靠的数据存储服务（类似银行），
对推荐系统来说，这些数据是一些抽象符号而已，不需要理解明文、只需要理解关系、属性、转移等，
这样业务方就不需要担心数据泄密了，
然后业务方与推荐系统共同根据数据的统计特征来定制推荐策略，
似乎扯远了，咳咳
至于推荐和搜索的结合，我觉得这个可能更有价值，毕竟搜索控制了互联网的入口
未来的搜索不仅仅能找到你想找的（这是现在的搜索），
还能告诉你，你想找的是什么、有什么特点....
顺便广告一下，欢迎想做搜索的同学给俺发简历，哈哈