推薦系統在商業鏈條中的地位

李梅

摘要：隨著互聯網技術的高速發展，我們進入了一個知識大爆炸的時代。海量信息的出現，給我們的生活帶來了便捷的同時，也帶來了困擾，即：選擇困難癥。此時，推薦系統應運而生，也扮演著越來越重要的角色。本文闡述了在商業鏈條中，推薦系統在商品和消費者之間搭建了一座橋梁，它是獲得用戶注意力的有效手段。最后提出，在建立推薦系統的時候需要考慮團隊成本、硬件成本和機會成本。

關鍵詞：推薦系統;商業鏈條;注意力;稀缺;成本

中圖分類號：TP312? ? ? 文獻標準碼：A

文章編號：1009-3044（2019）27-0295-02

今天，推薦系統已經被廣泛應用于各大互聯網公司的產品推廣中，例如你在淘寶網瀏覽一雙你感興趣的鞋子時，肯定會看到“看了這個商品的還看了”這樣的推薦形式。推薦系統存在于學術界時，人們關心的是與之相關的算法和模型;但完整的推薦系統是存在于商業界中的，這得益于強大的數據支持。顯然這不并算是推薦系統的全貌。下面就來看一下推薦系統在互聯網商業鏈條中的地位。

在商業世界中，你應該對推薦系統采取一點“功利主義”的觀察，但在你對推薦系統采取功利觀點之前，推薦系統在業務鏈中扮演什么角色和作用呢？

供求關系是商業世界中亙古不變的話題，其實質就是交換[1]。

我不在商界，所以我只知道基本原則。面對龐大的用戶群體，推薦系統的作用就是在商家商品和消費者之間建立一座橋梁。因此推薦系統是信息經濟中的一種設備。那么在信息經濟中供求到底又是什么呢？在互聯網經濟中，供求雙方分別是信息生產者和信息消費者，而需求方正是關注提供者。似乎在這里不經意提到了“注意”這個詞[2]。因此，不管推薦系統服務于哪一種產品，例如社交門戶，電子商務，游戲等。雖然這些產品屬于不同的類別，但是他們最終獲得真錢的方式是相同的，即所謂的商業模式是不同的，但他們都有一個關鍵的步驟： 獲得用戶的注意力。

用戶瀏覽信息的行為表示關注某一個商品，因此信息流產品正在獲取用戶在哪一類商品上花費很長的閱讀時間，那就是花費的注意力。現在所謂的信息經濟其實質上就是注意力經濟，而推薦系統是獲取用戶注意力的強有力手段。那么說注意力這種東西到底是什么？它不是一個真正的物理“力量”，它不屬于宇宙的四個基本力量，而是一個決策的可能性[3]。例如，如果用戶關注某個廣告，則可以點擊廣告。如果注意力足夠長，那么它將參與整個鏈條的各種經濟活動。

首先，在互聯網不發達的年代，信息比較稀缺，人們沒有那么多信息需要瀏覽，注意力自然充沛，可以花費大量時間尋求需要的信息。

其次，在搜索引擎出現的年代，雖然信息相比原來已經增長了許多，但是搜索工具的屬性是單一的。搜索引擎不會侵蝕用戶的注意力，因此用戶可以使用搜索引擎積極地尋找有用的信息。

最后，在互聯網高度發達的今天，特別是隨著移動互聯網的普及，信息大爆炸時代到來了，很大程度上可以說信息已經泛濫了。智能手機在人們的生活中儼然成了身體的一部分。推薦系統根據用戶的瀏覽痕跡推薦出人們感興趣的商品，這種方式侵蝕了人們大量的注意力。注意力在變得豐富的同時也變得越來越稀缺[4]。 但是，注意力本身有價值高低之分。信息閱讀課程功能強大，但價格便宜，電子商務和游戲類別非常有價值，但數量不如信息閱讀課程。這種注意力值在業界通常被人們稱為用戶價值，在商場如戰場的年代這是值得商家關注的。

由此可見，三個時期的信息和注意力之間具有如下關系：

在推薦系統的幫助下，注意力成為一個稀缺的要素，信息的來源隨處可見。由此可以看出，商品不再是信息，而是變成了關注，信息來源又成為這些關注的消費者。用戶的注意力有限，這些注意力需要平臺存儲起來。存儲的注意力是平臺最有價值的資產。存儲這些注意力的不是像電力中的電池板，而是推薦系統，它扮演著存儲設備的角色，這就是在互聯網商業鏈中推薦系統的地位和作用[5]。如何定量地定義注意力？一般認為，注意力會逐漸消耗平臺上的內容。因此，我個人把注意力定義為：內容所消耗的加速度和平臺內容的復雜性的乘積。

寫成公式就是：

是的，你沒有弄錯，我用類似于牛頓第二定律的定義來定義注意力。下面來解釋一下這個公式。

1）C表示內容的復雜性，沒有對它進行量化，因此可以看作消費內容所需要的時間，比如說論文網站和淘寶網站。在這兩者之間，難度明顯不同，消費的時間也不同。要購買所有商品，積累資金需要時間，而且還表明消費時間不同。

2）A是內容消費的加速度。這里的注意力不僅是內容消費者的關注，也是內容發布者的關注，這是兩者結合在一起的結果。在某種意義上，如果用戶的注意力與內容發布者的注意力相同，則說明每日在平臺上消耗的內容量相同，加速度這時候為0，可以看出平臺沒有額外的注意力。因為沒有多余的注意力，所以它吸引不了你的注意。

3）消費者的數量在一定程度上影響內容消耗的加速度。當用戶數量增加時，消耗的加速度不為零，并且平臺具有額外的關注。

以上是注意力定義的框架。可以在定義注意力框架的基礎上制定一些策略，以此來消除負面影響以及改善平臺額外注意力。

1）內容創建不太合適，結果是用戶消費更快，但難度會降低，總體注意力將被檢查和平衡;

2）內容難度的加大，這也就暗示創作者此時要多加注意這種變化，用戶有可能不去消費，加速度變為負面;

3）推薦系統的作用要體現在提高每一個用戶消費的加速度上，向用戶推薦他感興趣的內容，從而愿意為之消費;

4）如果想要提高推薦成功的概率還需要增加用戶數量，更確切地說是要增加活躍用戶數量。

以上是通過公式來定義注意力，從中可以看出推薦系統在平臺提高臺注意力方面發揮著重要的作用，即推薦系統的價值。下面來看看推薦系統的成本。

在商業領域，會考慮成本因素，但是如果只考慮成本則被看作是很淺薄的商業思維;但沒關系，這不是為您自己的產品標記“個性化”或“算法”。一般來說，如果需要建立推薦系統，所花費的成本主要體現在以下幾個方面：

1）團隊成本;

2）硬件成本;

3）機會成本。

下面分別說明：

1） 團隊成本

團隊成立需要成本，后期維護也需要成本。推薦系統團隊必須包括以下幾種類型成員。

①算法工程師，由于他們既是數據科學家又是程序員，要求非常高，所以在市場上長期供應短缺，團隊中的這些人招聘成本很高。例如，有必要在主要的招聘網站上刊登廣告，并且總是人們熟悉的社交網站，高昂的獵頭成本，轉換率極低。招募這些人，如果只是依靠一群朋友發送招聘副本，招到人的概率可能為零。招聘成本很高，人員本身的成本也很高。整體的薪資水平也在不斷上漲，在不清楚每個人到底有多少實際價值之前，您需要承擔這些人才的試錯成本。

②軟件工程師，如果將推薦系統看成引擎和算法，則軟件工程師承擔的責任會更多，有時會多于算法工程師。因為算法可以和開源工具一起使用;沒有引擎，該算法則沒有用處。軟件工程師在招聘時略勝一籌，因為市場庫存高于算法工程師，但請注意它更好。

團隊成本占據了推薦系統成本的很大一部分，公司老板也很容易擔心這一部分，擔心的是開發出來的產品被市場拋棄但還要維持這樣的團隊。事實上，它不僅僅是一個推薦系統。短期高估，長期低估。

團隊維護的成本不僅是實際的工資支出，還包括文化建設的成本。工程師們都聲稱他們需要一個寬容和自由的環境。一個優秀的工程師可以在輕松的環境中創造出高于成本的價值;而一般的工程師卻會在寬松自由的環境中變得越來越頹廢。為了保持團隊的輕松自由的環境，有必要建立一些機制來營造寬松自由的環境。

2） 硬件成本

推薦系統是數據貪婪型。如果需要獲得大量數據，必須要很高的硬件條件來支持，這主要是因為：

①要存儲更多的數據;

②要更安全保存數據;

③響應用戶速度要快，還要能留在用戶，并在此基礎上增加用戶活躍度;

④創建優良的開發環境，以此提高開發效率，降低工程師的時間成本。

等等這些理由都告訴我們：推薦系統是數據貪婪，推薦系統工程師是硬件貪婪。現在得益于技術的發展，硬件成本正在不斷降低，高端正在不斷增加，由此可見與團隊成本相比，硬件成本只是很少很少。

3） 機會成本這是非常形而上的，并不容易評估。所謂機會成本就是：可能建議系統不幫助產品創建任何值。今天，在信息流中，每個人都認為自然地建立了個性化的咨詢和閱讀。如果他們過去不建議系統這樣做，但是他們以實際和手動的方式做到了，他們可能會有不同的結果。

以上我帶你從不同的視角，闡述了推薦系統的地位和作用。在今天稀缺的注意力中，將注意力集中在你的方式上，并將你的注意力作為一種商品來與人們交換價值。也就是廣告、電商銷售、其他增值服務[6]。這些都得到了關注，并且已經實現了注意力的存儲。但是，您必須意識到存儲注意力不僅僅是推薦系統，所以您是否想要購買這種注意力存儲機器？然后你需要再次考慮成本。

參考文獻：

[1] 王立才，孟祥武，張玉潔.上下文感知推薦系統[J].軟件學報，2012，23（1）.

[2] 曹杜鵑.電子商務推薦系統與用戶行為的相關研究綜述[J].中國電子商務，2013，23（7）.

[3] 吳永輝，王曉龍，丁宇新，等.基于主題的自適應、在線網絡熱點發現方法及新聞推薦系統[J].科研通信，2010（11）.

[4] 楊博，趙鵬飛.推薦算法綜述[J].山西大學學報（自然科學版），2012（3）：337-350.

[5] 樊兆欣.個性化新聞推薦系統關鍵技術研巧與實現[D].北京理工大學，2015.

[6] 王國霞，劉賀平.個性化推薦系統綜述[J].計算機工程與應用，2012，48（7）：66-76.

【通聯編輯：光文玲】