TMT观察网_独特视角观察TMT行业

移動互聯網時代的海量信息，讓我們每天都處于一種信息大爆炸的狀態，而基于大數據的個性化推薦則為我們打開了一扇門，這種借助強大數據采集、分類和提取的技術，正深刻地改變著中國人的閱讀習慣和信息獲取方式，但伴隨著推薦引擎的爭議從來就沒有停止過。

一成不變的推薦和不斷變化的興趣

當越來越多的內容分發平臺都開始強調“千人千面”的個性化推薦時，它們的產品反而高度同質化了。如今我們打開所有的信息流產品，看到的內容千篇一律，幾乎沒有什么太大的差別。而低俗、八卦和標題黨因為滿足了絕大多數人的喜好，永遠都會充斥在我們的信息流中。

個性化推薦讓我們的興趣變得越來越狹隘了，其實這是當下所有推薦引擎共同面臨的弊端。我們的興趣似乎很容易被機器“鎖定”。強大的算法可以通過用戶行為推算出興趣標簽，機器會不斷的根據這些標簽對我們進行分門別類，最終決定我們能看到什么內容。

但標簽本身就是大腦偷懶的產物，凡是能夠定義出來的標簽，一定程度上都是受限的。以此為判斷標準來進行推送，必然會導致局限性。前段時間薛之謙和李雨桐撕逼，出于好奇點擊了幾篇文章，然后在接下來的一周時間里，被推送的都可能會是一些娛樂新聞。最終滿屏幕的娛樂八卦，直接造成了信息負載。你偶爾會看一些娛樂的新聞，但卻并不代表著你喜歡生存在只有八卦的世界中。

隨著數據的積累，機器算法一直在進化，也慢慢會越來越懂用戶，不過問題在于興趣其實是一直在不斷變化的。以我個人舉例，平時我喜歡看一些科技數碼類的文章，我會希望信息流中出現的都是有關于這些領域的文章。但這不妨礙我在特定的時刻突然對某件事產生興趣，這可能是薛之謙和李雨桐的口水戰，可能是熱門影視劇終，也可能是中國足球又輸球了。

而也正是因為有這些即時的興趣，我們才能真正認清自己，并不斷從外界汲取新的知識。這種興趣的變化會時刻伴隨著我，并且不斷受到外界因素的影響。推薦引擎之所以會讓人的思想變得狹隘，很大程度上就在于沒辦法感知這種時刻變化的興趣。

新浪的探索，“即時推”會成突破口嗎？

個性化推薦確實降低了我們獲取信息的成本，但這也可能使我們畫地為牢，我們所獲取的一切信息與知識都不斷在迎合自身的喜好。算法越來越聰明，這種迎合就會變得越來越變本加厲，最終使我們失去了探索未知的可能性。

從這個角度來說，推薦引擎確實需要有所改變了。個性化推薦不僅需要了解我們長期的興趣，更要對我們實時的感知進行回應，并且還要有探索未知的可能性。在最近，新浪客戶端上線的一個新功能倒是頗為值得借鑒，這個新功能被新浪客戶端稱之為“即時推”。

何為“即時推”？具體而言就是當用戶閱讀完一條內容，返回信息流首頁時，人工智能系統會根據剛剛所閱讀的內容以及用戶興趣相關性，再推薦一條相關興趣內容。并以動態插入的形式呈現在之前所閱讀的內容下方。如用戶對某一內容“興趣十足”，系統將持續推薦，直至用戶興趣結束跳過推薦內容繼續閱讀。

或許大家并不明白這種推薦機制的好處，我舉個簡單的例子。馬上國慶節就要來了，平時并不屬于旅游人群的我，信息流中并不會出現旅游相關的文章，但國慶節我想去泰國體驗下生活，而“即時推”就可能敏銳的捕捉到我這種即時興趣。

然后開始給我推薦一些有關泰國當地風土人情、美食以及攻略相關的文章，這些內容可以很好的幫助我對未來進行規劃。但“即時推”能做到的遠不如此，它還會給我推薦有關其他旅游景點的文章，例如在歐洲看日出是一種怎樣的感受？而很可能我會因為看到這篇新的文章，最終選擇去歐洲游玩。

“即時推”的出現確實讓我有一種耳目一新的感覺，很大程度上這為我們打開了一扇新的窗戶。這種推薦并不是簡單的基于用戶過去訪問過的內容，還會結合用戶當下的實時興趣。也就是說，這使得推薦引擎有了更豐滿的思想，而讓用戶也會覺得推薦引擎再也不是冷冰冰的算法，而是一種陪同在身邊的玩伴，更懂我們當下的需求。

為什么率先做出改變的會是新浪客戶端？

很大程度上還需要從這個平臺既有的基因說起。根據QuestMobile最近發布的報告顯示，2017年6月，新浪在移動端的生態流量月度總用戶已接近3.7億，月日均用戶1.07億，雖然起步晚于同類客戶端，新浪客戶端還是快速發展為新聞客戶端行業頭部App。但我們必須承認，新浪客戶端相比于今日頭條、騰訊新聞來說，仍然還是一個后來者。

新浪客戶端有一個其他內容分發平臺所不具備的優勢。從一開始新浪客戶端就打通了新浪和微博雙平臺的內容、數據和賬號體系，這使得新浪客戶端不僅有龐大的內容數據和用戶數據，更有用戶即時興趣、動態化場景、網狀知識圖譜和社交關系等獨特數據。

而眾所周知，微博是中國互聯網少有的能夠二次崛起的產品，用戶和渠道的下沉，是微博能夠成功的關鍵原因。但不可否認，自2014年以來，微博從早期的“實時信息網絡”向“實時信息+社交興趣網絡”轉型，也為其留住了很多用戶。我們想要了解網絡上的熱門事件，第一時間想到的總會是去微博搜索。

新浪客戶端很明顯也繼承了這種基因，而正因為通過和微博在內容、數據、用戶和媒體賬號上的充分打通，新浪能夠捕捉到用戶的即時興趣，而不僅僅是簡單的長期興趣，這是新浪智能分發的獨特優勢所在。

如今各大新聞客戶端并沒有針對即時興趣推薦內容。對于用戶偶然感興趣的即時內容，多數平臺并不會給予過高的權重，并且需要等用戶再次刷新或下次訪問時再予以推薦。面對一成不變的內容分發市場，新浪客戶端想要實現彎道超車，抓住用戶的即時興趣其實是一個機會所在。

“即時推”的出現，會給個性化推薦帶來更多可能性嗎？

新浪首創的即時興趣推薦，可以說是一次大膽的嘗試，基于用戶當前興趣和相關性推薦，這可以產生一種完全不同于當下內容分發平臺所呈現出的興趣信息流。而“即時推”的出現，也讓我們可以對內容分發的未來有了新的思考。

對內容分發平臺來說，最關鍵的是仍然是數據，“即時推”在原有個性化推薦的基礎上，加強了與用戶之間的互動，讓機器主動感知用戶的即時興趣，并且從用戶處獲得積極反饋，進而能夠不斷優化所推薦的文章。而用戶所獲取的信息，不再是單純基于過往興趣標簽，還會有根據實時興趣變化的內容推薦。

我們常說，移動端的搜索引擎其實被分成了兩部分：主動搜索+推薦引擎，前者是用戶具有明確的指向性目標，而后者則依賴于機器算法的推薦。在我看來，即使推的出現很有可能會為內容分發平臺帶來一個的主戰場——那就是人工智能助理。

“即時推”能夠不斷感知用戶對信息的即時興趣，并為用戶推送可以匹配用戶當下需求的信息，這和當下的人工智能助理的理念非常相似。人工智能助理也是解決用戶當下的即時性需求，只不過人工智能助理偏向于主動獲取，而“即時推”則是在機器探索到你當下的需求。

內容分發平臺基于算法，給用戶推送個性化的文章，這些數據原本就是人工智能最好的飼料，而“即時推”這是將這些飼料加以運用后，再回饋給用戶，這是當下人工智能助理所不具備的主動性。表面上看，這只是個性化推薦的一小步，但這卻可能是人工智能發展的一大步。

來源|微信公眾號：俊世太保