大数据学习之推荐算法真的很牛逼吗？

2019-02-22 本文已影响4人数字化商品企划

科多大数据培训今天带大家来探究，很多产品，真的是像表面看上去的推荐算法牛逼成就了他们吗？

记得在2007年，Yahoo发布了新的搜索广告系统Panama（内部可以看作是一个推荐算法），试图于Google的Adwords（个性化广告推荐）一拼高下。按当时行业和专家的评测，推荐算法和技术水平应该差别不大。

但是，Yahoo失败了。

一个重大的差别是Yahoo的广告主和候选的广告数量，比Google 的广告主和广告的数量，差了好几个数量级。Yahoo瞄准的是头部广告客户，Google 生来就是面向长尾广告主。这样带来的后果是，用户的搜索需求千差万别，而有限的Yahoo广告数量，要分配到海量的用户需求上，不管有什么好的推荐算法，都很难满足用户千奇百怪的需求。而Google，一出生就是面向巨大的长尾中小个体广告主，海量的广告创意，匹配海量的用户个性化需求，同样的推荐算法，效果远远胜过Yahoo。再由于马太效应，大者恒大，Google胜出Yahoo毫无悬念。

这个故事说明，两者的推荐算法差不多，差的是，Google有更多的可推荐的内容，可推荐的原料。这个，决定了一个需要推荐的产品的天时地利，也决定了产品的成败。

同样的，电商网站也是如此。Amazon很大的一个成功要素，是相关商品的推荐。其实，它的推荐算法和其其它当时大量的电商网站差别不大，但是它的商品SKU远远超过其它的电商平台。这样，可推荐的商品，可推荐的原料，才能满足大量用户的大量的个性化需求，让用户感受到了推荐的魅力和效果。淘宝，京东，拼多多，也大概如此。

大家都说今日头条的推荐做得好，看过什么，以后会持续推荐更多喜欢的内容，非常准确，让人上瘾。然而，它们的推荐，其实更多享受的是媒体，自媒体大爆发的红利，推荐算法本身起到的作用可能相对有限。

之前很多做资讯推荐的，能推荐的内容除了几十家到上百家官方新闻媒体发布的新闻，能推荐的内容真的不多，而用户对资讯的需求是各式各样的，那么有限的新闻内容和创作速度，远远无法满足个性化的推荐需求，无论算法多好多先进，推荐的效果都会大打折扣。

而到了自媒体创作者的爆发，和内容发布的监管放松，各种内容如雨后春笋一样崩发出来。同一个事件，有千千万万的不同的观点，不同的解读，而且，源源不断的持续一段时间。不同的主题，哪怕是小众的内容，那么多写手，那么多爱好者，都有人去记录，去描述，去创作。这样的好处是，几乎无所不覆盖的内容，满足了广大用户的各种内容的需求，哪怕是猎奇的需求。那当然，哪怕是一个So So的推荐算法，在海量的内容池里，总能找到几条满足用户需求的内容。

同样，对于短视频，类似快手，抖音，创作门槛的大幅降低，让内容井喷出来，海量的内容，就算一个一般的推荐算法，也能很大程度上满足用户个性化的推荐需求。

那么看到，推荐算法虽然很重要，但远不如可推荐内容和原料的红利来的重要。也就是说，很多产品，不是产品做得不好，不是后面算法不好，只是时候未到，红利未到。成功的产品，很大程度上是内容的爆发成就了他们，而不是表面看上去的推荐算法。

当然，爆发之后，不同的竞争产品，除了先发优势，就该拼技术和算法了。

NICK课堂

全国颇具影响和活力的商品运营管理社群，汇聚50万+工作人员

长按并识别关注