數據顯示，三分之一的用戶會根據電子商務網站的推薦買東西，這是任何廣告都不可能做到的成績。媒體上播放的大眾化廣告對消費者的影響已經越來越低，於是有人做出預見——個性化推薦技術將成為廣告的終極形式。
很多年前，看過一部電影叫作《誰知女人心》，好萊塢大牌梅爾·吉布森飾演的男主角是一個典型的大男子主義者。一次浴室觸電的意外突然讓這個大男人獲得了神奇的本領——“讀心術”，可以輕而易舉地洞悉身邊女人們的心事，聽到她們內心的獨白。盡管一開始被這個本領嚇得半死，可他卻漸漸沉迷，以此俘獲芳心。
“讀心術”聽起來匪夷所思，卻也有些人正樂衷於此道。仿佛一夜間，身邊突然出現了一位洞悉你所有喜好的“知音”，可以24小時提供全方位的貼心指引，不厭其煩地向你推薦那些“你可能感興趣的……”東西，從房子，到襪子。
你猜對了，這就是在不知不覺中侵占整個互聯網的“推薦算法”，不單直指你心底裡哪些小秘密，更成為了每個網站拉攏用戶的核心機密。
當“推薦”讓人欲罷不能
Netflix使用軟件算法來推薦電影，豆瓣電台擅長推薦 “不經意的好音樂”，Goodreads熱衷於推薦書籍……個性化的“推薦算法”已全面運用到一長串互聯網網站中，從視頻推薦、音樂推薦、購物推薦直到好友推薦等。
不少網友迷戀上了使用“推薦算法”後的快感。“自從我使用Last.fm和豆瓣電台的音樂服務之後，就開始依賴他們所提供的‘音樂推薦’，不再在街頭的CD攤駐足，甚至連MP3都很少下載了。”在公關公司工作的張小姐兩年前就成了豆瓣電台的忠實擁趸。“沒用以前還不明白為啥有那麼多人聽豆瓣，用了之後就不得不佩服它推薦的音樂非常符合我的口味，收藏的音樂越多，它推薦越精准，就像鞋子一樣越穿越合腳。不過，要是收藏太多音樂的話，准確性就會有所下降，可能這時候，連你自己都不知道自己究竟喜歡哪類音樂了，更何況是個軟件。”
事實上，“推薦算法”的“工作原理”算不上太復雜。以同樣推薦音樂的Last.fm網站為例，假如你喜歡王菲，而與你同樣喜歡王菲的朋友在聽林憶蓮，Last.fm就會把林憶蓮放到你的播放列表上。
Last.fm網站的負責人對於“推薦算法”推崇備至，“我們圍繞音樂建立了一個龐大的社區，是這個社區幫助我們提煉‘推薦’。推薦的音樂是從2000多萬人真實的收聽習慣中提取出來的。所以，你播放音樂的次數越多，Last.fm上的用戶越多，推薦結果就越准確。你能發現音樂與音樂之間往往有意想不到的關聯，甚至無意間洩露你最近的心情。聽說有人失戀了，心有不甘，就在Last.fm上看前戀人在聽什麼樣的歌，猜測他們此時的心情。”
以個性化“算法推薦”，也就是“豆瓣猜你會喜歡”，豆瓣網最先實踐的三個生活領域是圖書、電影、音樂。原因也很簡單，這三個領域最容易推薦准確。豆瓣網創始人楊勃曾表示，“對多數人做選擇最有效的幫助其實來自親友和同事。隨意的一兩句推薦，不但傳遞了他們自己真實的感受，也包含了對你口味的判斷和隨之而行的篩選。他們不會向單身漢推薦育兒大全，也不會給老媽帶回《赤裸特工》。無論高矮胖瘦，白雪巴人，豆瓣幫助你通過你喜愛的東西找到志同道合者，然後通過他們找到更多的好東西。”
有意思的是，“推薦算法”還衍生出不少附加的好處。在Last.fm上最好玩的是，觀察人們正在聽什麼音樂。這個數據非常有趣，甚至可以准確預見什麼樂隊會走紅。現在，通過“推薦算法”做出預測已經讓不少公司動了心。Google創造出一種新的產品用來嘗試通過搜索引擎預測奧斯卡金像獎的得主。據了解，過去幾年的奧斯卡最佳影片《拆彈部隊》、《貧民窟的百萬富翁》、《老無所依》等，都曾於獲獎前在搜索引擎中表現出了至少四個星期的上升趨勢。不過，顯然這種預測還需要加強“准頭”，搜索大熱的《社交網絡》最終還是在現實中敗給了《國王的演講》。
可以預見的是，隨著技術的進步，更具人性化、更准確的“推薦算法”，甚至能通過體感、虹膜、血壓等數據的變化，挖掘到用戶真實的內心需求。
當“推薦”遭遇“商業智慧”
不過，對於“推薦算法”而言，擺在眼前的一個疑問始終揮之不去——這真是一位理想的“知音”嗎？
不知你是否注意到，每次在淘寶的時候，從你搜索你想要買的那樣東西開始，到完成交易給對方評價，網站都會在一個小角落滾動推薦一些“你可能感興趣的東西”。這就是悄悄隱藏的“推薦算法”。比如，你曾經購買了幾本村上春樹的作品，算法會自動向你推薦這位作家乃至幾位日本作家的其他作品等。
越來越多的人發現，推測人們的口味，實在一樁有利可圖的生意。影片租賃網Netflix投入100萬美元給開發小組開發一個比舊版更好用的電影推薦系統這一事實就是最佳證明。現在，更是有眾多專家把“推薦算法”推上了繼社交網絡之後web2.0時代“最大黑馬”的寶座。
《連線》雜志主編克裡斯·安德森提出“長尾理論”的三個法則，第一是讓所有東西都可以被獲得；第二是讓這些東西賣得很便宜；第三是幫我找到它。而這第三點恰恰是個性化“推薦算法”的專長，幫助用戶在大量的商品中做出選擇。
目前，全球電子商務零售類增長最快的三大巨頭——亞馬遜、Staples和Netflix都已經全面應用了個性化的推薦系統。據市場分析公司Forrester統計數據顯示，三分之一的用戶會根據電子商務網站的推薦買東西，這是任何廣告都不可能做到的成績。媒體上播放的大眾化廣告對消費者的影響已經越來越低，於是有人做出預見——個性化推薦技術將成為廣告的終極形式。
國內的豆瓣網也在“推薦算法”的商業應用上蠢蠢欲動，今年從生活類的小站、社區裡的二手交易、“豆瓣猜你會喜歡的團購”，直到一些手機應用上都已經率先試水。按照楊勃的說法，“我們希望當別人幫你娛樂游戲八卦的時候，還能幫到你的真實生活。”
“以前都是人工推薦，但系統開發的自動化智能方式更方便、有效。”百分點CEO柏林森認為，個性化推薦技術將成為等同搜索引擎的互聯網基礎服務，個性化推薦服務的精准營銷平台則將成為電子商務行業的標准配備功能。
難怪在社交網絡產品上屢敗屢戰的Google，仍然執拗地推出了“+1”。如同Facebook上的“Like”一樣，如果在Google搜索結果中看到一條喜歡的鏈接按下“+1”，你的朋友再次進行類似搜索時，便會看到你的推薦。現在，“+1”按鈕只會出現在Google搜索頁面上，但是Google正計劃讓它出現在各大主要網站上。
當“推薦”左右你我生活
或許此種電腦的自動推薦還能勉強算得上新奇，可當被海量般諸如“你可能感興趣的新聞”、“你可能感興趣的書”、“你可能感興趣的電影”、“你可能感興趣的餐館”、“你可能感興趣的……”等推薦狂轟亂炸過一番後，已經有不少人感到迷戀於各大網站上泛濫成災的推薦，俨然更像是打開了一個“潘多拉的盒子”。
網友MarsC最近就被推薦算法“雷”了一記。原來，他在京東商城上興致勃勃地訂了雙緩沖跑鞋，結果網頁上立馬列出一個“最佳購買組合”，竟然搭上一只無油煙健康炒鍋。“我暈，買鞋配個鍋！真不知道京東怎麼算的。”
身邊也有些朋友開始向記者抱怨，聽網站系統推薦的音樂盡管偶爾也能驚喜一番，但總是一個調調的循環播放還真很難不讓人產生審美疲勞。“大部分時間中，網站推薦的音樂都非常‘妥帖’，但這就好比我雇了一個只懂得順從和谄媚的DJ。”
豆瓣的圖書推薦也遇到了類似的尴尬。網友每點開1本書後，“也喜歡……”列表總會牽扯出另外10本五花八門的書，10本又10本循環無窮無盡，最終只能讓人直接忽略掉豆瓣的系統推薦，否則光是看看這些就要消耗不少時間。
當大筆大筆的金錢堆起了“推薦算法”的准確性後，這些裝作能洞悉你心思的系統，卻無法保證推薦的多樣性和新穎性。“推薦算法會局限我們感興趣的領域，阻止我們發現新的精彩”，有網友在論壇上直言不諱。當推薦沒有節制時，它就讓人無法從中篩選出“你可能更感興趣”的東西了。
實事求是地說，提高效率、增長見識始終不是“推薦算法”的最終目的，開發出它的網站要的是用戶停留更多的時間，或者花去更多的金錢，為此甚至可能不惜不斷挖掘出更多的個人隱私。
有個小故事似乎是最好的印證，說是數學天才JeffHammerbacher，2006年從哈佛畢業，一年後加入Facebook，奠定Facebook業務的基石——以“推薦算法”確保精准廣告。可僅僅待了兩年之後，Hammerbacher開始懷疑人生，於是2008年他從Facebook辭職了。“我的腦袋竟然都在這裡思考著怎樣讓人們去大量地點擊廣告，真衰。”這位天才辭職後發出了無限感慨。
是的，這就是赤裸裸的“推薦算法”。