개인화 된 응용 프로그램의 인터넷 웹사이트

개인된 응용 프로그램, 인터넷 시대에 그것은 아주 강한, 다른 사용자가 자신이 좋아하는 제품을 찾을 수 데이터 표시 사용자의 1 / 3는 물건을 살 전자-상거래 사이트 권장 사항에 따라 것입니다, 이것은 어떤 광고 결과 달성할 수 없다. 그래서 누군가가 개인화 추천 기술 광고의 궁극적인 형태 될 것입니다 예견은 미디어에 인기 있는 광고의 인기 소비자에 점점 낮은 되었습니다.

몇 년 전, 내가 본 영화 "아는 여자 마음", 라는 할리우드 큰 영웅을 재생 하는 멜 깁슨은 전형적인 남성. 화장실 충격 사고 갑자기 마법의 능력-"마음"을 읽기 얻을이 큰 사람, 쉽게 주위에 여자의 마음, 통찰력 들을 수 있는 그들의 내 면 독 백. 그는 처음에 기술에 의해 죽음을 무서 워, 비록 그 강 박 관념이 되었고 그의 마음.

"마음 읽기" 소리 이상한, 하지만 어떤 사람들은 그걸로 행복. 마치 하룻밤, 갑자기 존재의 "가슴" 알고 귀하의 모든 환경 설정, 24 시간, 친밀 한 지침의 전체 범위를 제공 하 고 인내심 "당신이 관심이 있을 수 있습니다..." 들, 집안에서 양말에 추천 수 있습니다.

당신이 바로, 짐작이 무의식적으로 전체 인터넷 "추천 알고리즘", 작은 비밀의 하단에만 직접에 잠식은 그러나 또한 사용자의 핵심 비밀을 이기려면 사이트.

"추천된"은 사람들이 중지

넷 플 릭 스는 영화, 추천 소프트웨어 알고리즘을 사용 하 고 물냉이 "캐주얼 좋은 음악"을 추천에서 좋은 이며 Goodreads 추천도 서에 대 한 날카로운... 개인 "추천 알고리즘" 완전히 적용 된 인터넷 사이트의 긴 목록에 비디오 추천, 음악 추천, 추천, 친구 추천 등 쇼핑에서.

많은 네티즌 기쁨 후 "추천 알고리즘"의 사용으로 빠져 있습니다. "나 음악 서비스 last.fm와 물냉이의 사용, 그들은 제공 하 고, 더 이상 거리 CD 부스에서 중지 또는 '음악 추천'에 의존 하기 시작 했다 MP3 다운로드. "미스 장, 홍보 회사, 작품 2 년 전 물냉이의 큰 팬이 되었습니다, 누가" 그녀는 말했다. "아직도 전에 사용 이해 하지 왜 그렇게 많은 사람들이 사용 후, 물냉이, 들어 나 그것을 존경 해야 권장된 음악 아주 제 맛, 더 많은 음악 모음과 일치, 적합에 걸쳐 더 많은 신발 처럼 더 정확한 권장." 그러나, 너무 많은 음악을 수집 하는 경우 정확도 감소 될 것 이다, 아마도이 시점에서 심지어 모르는 어떤 종류의 당신이 정말 좋아하는, 음악 말할 것도 없고 소프트웨어입니다. "

사실, 추천 알고리즘의 "작동 원리" 너무 복잡 하지 않습니다. 동일한 추천 음악 Last.fm 웹 사이트 예를 들어, 페이 웡, 그리고 Linyilian를 듣고 Faye Wong의 친구 처럼, 만약 Last.fm 재생 목록에서 Linyilian를 넣어 것입니다.

머리는 Last.fm의 웹사이트 칭찬 추천 알고리즘, "음악, 주위에 거 대 한 커뮤니티를 구축 우리 그리고이 커뮤니티 추천 수정 있었습니다." 추천된 음악 듣기 습관 사람들의 이상의 20 백만의 진정한에서 추출 된다. 그래서 번 더 연주 음악, last.fm에 더 많은 사용자와 더 정확한 권장된 결과 있을 것입니다. 그 음악과 음악 종종 예기치 않은 연결, 또는 심지어 실수로 공개 최근 분위기를 찾을 수 있습니다. 누군가가 lovelorn, 심장 아니다는 것을 기꺼이 들어 보고 어떤 종류의 노래를 듣고 옛 연인 Last.fm에 그들의 분위기에 맞춰이 이번. "

맞춤된 "알고리즘 권장", 즉, "물냉이 추측 같은 것 입니다" 생활의 3 분야의 첫 연습 Douban는 책, 영화, 음악. 이유는 간단,이 세 가지 영역은 정확 하 게 추천 하는 가장 쉬운. Douban 설립자 양 보 고 말했다, "대부분의 사람들에 대 한 선택을 하는 가장 효과적인 방법 친척 및 동료에서." 임의의 하나 또는 두 추천, 뿐만 아니라 그들의 자신의 진정한 감정을 전달 하지만 당신의 판단의 맛과 라인의 후속 선택도 포함. 그들은 학사에 단 하나의 아이 권장 하지 않습니다도 할 그들은 다시 "알몸" 에이전트에가지고 그들의 어머니. 아무 문제가 얼마나 크고 얇은, 백설, 물냉이 도움이 당신과 당신의 좋아하는 것 들을 통해 같은 생각을 가진 사람을 찾을 다음 그들을 통해 더 많은 좋은 것 들을 찾을 합니다. "

흥미롭게도, "권장 알고리즘" 또한 다양 한 추가 혜택을 파생. 사람들이 음악을 듣고 보고 하는 Last.fm에 재생에 가장 좋은 것이입니다. 데이터는 매우 흥미 롭 고도 정확 하 게 무슨 밴드 있을 것입니다 예측할 수 있습니다 인기 있는. 자, "권장된 알고리즘"을 통해 예측을 이동 하는 기업의 마음을 많이 했다. Google 검색 엔진을 통해 오스카 시상식의 수 상자를 예측 하려고 하는 새로운 제품을 만들었습니다. 그것은 최고의 영화 "폭탄", "슬 럼 독 백만 장자", "오래 된 아니오"와, 지난 몇 년 동안 오스카 되었습니다 이해 상승 추세의 적어도 4 주 동안 수상 하기 전에 검색 엔진에. 그러나,이 예측은 또한 "목표"를 강화 하기 위해 필요, 결국에서 뜨거운 "소셜 네트워크"에 대 한 검색은 여전히 현실 킹의 연설에 분명 하다.

그것은 그 기술의 진보와 함께 더 인간적이 고, 더 정확한 "추천 알고리즘", 심지어 신체 감각, 아이리스, 혈압 및 다른 데이터 변경, 마이닝을 통해 사용자의 실제 내부 필요 예견 수 있습니다.

"비즈니스 통찰력"에서 "권장"

그러나, "권장된 알고리즘", 대 한 즉각적인 질문 남아 느린-는이 정말 "가슴 친구"?

나도 몰라 보면, Taobao에 당신이 검색에서 사고 싶은 것 들 시작, 서로 평가, 거래를 완료 때마다 사이트 것입니다 수 연 작은 코너에서 권장 일부 "당신이 것 들에 관심이 있을 수 있습니다." 이 조용히 숨겨져 "권장된 알고리즘"입니다. 예를 들어 무라카미의 여러 작품을 구입 알고리즘은 자동으로 추천 저자, 뿐만 아니라 다양 한 일본 작가 다른 작품.

점점 더 많은 사람들이 그것 수익성 사업 사람들의 취향에 대 한 추측을 찾을. 사실 넷 플 릭 스, 영화 대 여 네트워크는가 1 백만 달러의 이전 버전 보다 더 나은 영화 추천 시스템을 개발 하는 개발 팀에 최고의 증거입니다. 지금, web2.0 시대 후 소셜 네트워크에 "추천 알고리즘" 많은 전문가, "가장 큰 복병" 왕위.

CA, 와이어 드 잡지의 편집장 앞으로 세 가지 원칙을 넣어 긴 꼬리 이론의 첫 번째 사용할 수 있는, 모든 것을 확인 하는 두 번째 그것을 싸게 판매 하는, 세 번째 그것을 찾을 수 있도록 하는 것입니다. 그리고 3은 개인 사용자가 많은 제품에서 선택을 할 수 있도록 "추천 알고리즘" 전문.

오늘, 3 개의 가장 빠른-성장 글로벌 전자 상거래 소매 거 인-아마존, 물림 쇠와 넷 플 릭 스가 완전히 개인화 된 추천 시스템을 적용. 시장 분석 회사 포 레스터 통계 표시 사용자의 1 / 3는 물건을 살 전자-상거래 사이트 권장 사항에 따라 것입니다, 이것은 광고 없는 결과 얻을 수 있습니다. 그래서 누군가가 개인화 추천 기술 광고의 궁극적인 형태 될 것입니다 예견은 미디어에 인기 있는 광고의 인기 소비자에 점점 낮은 되었습니다.

상업용 응용 프로그램의 "권장된 알고리즘"에 또한 국내 Douban 역, 간접의 인생에서 올해 무역 지역 사회, "물냉이 추측 구매 하려는 것 입니다", 일부 휴대 전화 응용 프로그램 먼저 물 테스트 되었습니다 때까지. 양 보에 따르면 "하겠습니다 때 다른 게임가 십을 재생 하는 데 도움이, 당신은 또한 당신의 실생활을 도울 수 있다." "

"그것은 수동으로 권장 하는 데 사용 하지만 그것은 더 편리 하 고 효율적인 자동화, 지능형 시스템 개발." "개인화 추천 기술 비율 포인트 CEO Berlinson 인터넷 기본 서비스의 검색 엔진에 해당 될 것입니다, 그리고 개인화 된 추천 서비스 정밀 마케팅 플랫폼 전자 상거래 업계 표준 장비 기능을 될 것입니다."

구글, 소셜 네트워킹 제품에서 반복적으로 실패는 당연 고집 "+ 1"에 밖으로 굴러 있다. 같은 페이스 북 "처럼", "+ 1"을 누르면 Google 검색 결과에 즐겨 찾는 링크를 볼 경우 친구가 나타납니다 추천 비슷한 검색 할 때. 자, "+ 1" 버튼은 Google 검색 페이지에만 표시 됩니다 하지만 Google은 주요 사이트에 나타날 수 있도록 계획 하 고 있다.

"권장" 당신과 나 생활에 대 한 경우

아마도 컴퓨터의이 종류의 자동 추천 참신, 수 있지만 책에 관심이 있을 때 그것은 "당신이에 관심이 있을 수도 있습니다" 같은 뉴스의 대량, 영화에 관심이 있을, 레스토랑에서 "당신이에 관심이 있을..."에 관심이 있을 이미 많은 사람들이 추천의 홍수는 수많은 사이트와 빠져 되어 있다, "판도라의 상자." 여 같이 더 많은 것 같다

네티즌 MARSC는 최근 알고리즘 "레이" 메모를 권장 했다. 원래, 그는 유쾌 하 게 정렬 된 이중 버퍼 신발을 실행, 결과 페이지를 즉시에 Jingdong 몰에서 "최고 구매 포트폴리오" 나열, 예기치 않게 금연 프라이팬을 잡을. "나는 희미 한, 냄비와 신발을 구입!" 어떻게 Jingdong 계산 했다 나도 몰라. "

친구 주위 시작 했다 기자 들에 게 불평을, 사이트 시스템에 들어 음악, 비록 때때로 유쾌 하 게 놀라게 될 수 있습니다 좋지만 항상 사람들이 미적 피로 생산 하도록 하지 루프 재생의 조정 정말 어렵다. "대부분의 시간, 사이트 권장 음악 아주 '좋은', 하지만 그것은 순종 하 고 아첨 하는 방법만 아는 DJ를 고용 처럼." "

물냉이의 책 추천도 비슷한 무리수를 발생 했습니다. 모든 지점 오픈 1도 서, "또한 같은..." 목록에서 인터넷 친구 항상 다른 다양 한도 서 10, 10 및 끝 순환의 10를 포함 한다, 끝 수만 직접 물냉이 시스템 권장을 무시 하는 사람들, 그렇지 않으면 그냥 봐가 시간을 많이 소비 됩니다.

거액의 돈 더미 "" 추천 알고리즘의 정확도를 때 당신의 마음을 분별 수 척 시스템 다양성 및 권고의 참신을 보장할 수 없습니다. "권장된 알고리즘은 우리가에 관심이 있는 관심 분야를 제한, 새로운 하이라이트 발견에서 우리를 방지" 일부 네티즌 포럼에서 솔직 하 고. 때 추천은 통제, 그것은 그것은 무엇에 흥미 있을 수 있습니다 필터링 불가능.

효율성, 성장 통찰력 향상 현실적으로 말하기, 항상 "추천된 알고리즘" 궁극적인 목표는, 자사의 웹 사이트는 사용자가 더 많은 시간, 또는 더 많은 돈을이 심지어 더 많은 개인 정보를 발굴을 계속 주저 수 있습니다의 개발 이다.

작은 이야기는 수학 천재 Jeffhammerbacher, 2006에서에서 졸업 했다 하버드 조인된 페이스 북과 1 년 후 "추천 알고리즘" 페이스 북의 비즈니스-의 초석으로 최고의 증거 될 것 정확한 광고를 위해. 하지만 2 년 후, Hammerbacher 생활, 의심 하기 시작 했다 그리고 그는 2008 년에 페이스 북에서 사임 했다. "내 머리는 여기 사람들이 대규모 광고를 클릭 하는 방법에 대 한 생각, 정말 나쁜." 천재는 무한 한 느낌 후 사임 했다.

예, 이것은 알몸 "추천 알고리즘".