推荐系统

当前的推荐系统，不管是使用协同过滤、基于内容的推荐以及基于知识的推荐，甚至是混合推荐，以及更高级的改进方法，都致力于帮助用户推荐更感兴趣的、更喜欢的、更准确的商品。

问题一、大量推荐用户单一感兴趣的内容，而其他感兴趣的内容被忽略

有一天，我打开某银行 APP，浏览了一条关于汽车的产品信息，在随后的 APP 访问时间里，我会不时的多次看到汽车类的商品信息。这段时间，我由于确有购车需求，会对这样的推荐表示出好感，而且令人满意的是，关于推荐的大部分汽车内容里，多半的确是我感兴趣的，因此我会不断的点进去阅读。随后的时间都是如此，然而，时间一长，我会发现我不再期望这样的内容继续出现，我甚至有点反感，因为关于汽车的商品，我已经掌握了，不再需要更多关于他的信息以及商品推荐。然而我的银行 APP 并没有发现这一问题，依旧一厢情愿的推送更多汽车信息及商品。很显然，如果推荐一些前段时间我计划要购买的篮球，则体验感会直线上升。

问题二、总是推荐用户感兴趣的内容，而无法洞察和解决用户本质需求（真实意图）

虽然出现了问题一，但我的朋友在这家银行上班，我依然想要使用这家银行 APP。所以这天后，我开始故意寻找其他嘎兴趣的内容，一开始想要轻易找到感兴趣的内容并不容易。但随着时间的延续，推荐算法起作用了，它开始向我更加准确的推荐内容，我感到很开心，我对这款 APP 的推荐又有信息了。

问题是，加入我使用了这款 APP 阅读信息，我就能够看到我想要看的内容。如果我只是为了消遣时间，我会很开心这种状况。但大部分情况，我的目的是为了在更短的时间内获取对我本质有用的数据、信息、知识，即推荐的信息能够高度匹配我当前的需求的目的。也就是，虽然我看到的关于比亚迪汽车的各类信息，包括比亚迪汉的参数，4s 点的销售价格，但我并不对我本质有用。因为这些信息过载了，我通过大脑已经提炼了知识，更多的信息无异于解决我的需求。我的真正需求可能是囊中羞涩，如何用最低的资金购买性能好的比亚迪汉，或者如何让我有足够的资金区购买高配的比亚迪汉。这时，给用户推荐 4s 店的促销活动，国家的汽车购买补贴等信息，高薪工作等等，既是用户感兴趣的，也是真正满足用户本质需求的内容。

有一句谚语是，我只是多看了你一眼，你就误认为我喜欢你。对于描述用户的行为和推荐系统之间的交互再合适不过了。它深刻的表现出了当前推荐系统在推荐意义上表达出的显式的、前线的、流量驱动的、兴趣驱动的推荐意图，针对的用户客观对象，二没有深挖用户主体认知所构建的世界下其本质的需求。

问题三、短视频平台的案例

我记得某克好像说过，在 tk 上刷手机是浪费时间。用户刷短视频平台，时间越长，由于其强大的推荐能力，越大概率会刷到我感兴趣的短视频，这时愉快的，因为我话费大量时间在这上面。然而可能某个时间点，我自己的内心，包括身边的亲近的朋友会告诉我，你不能再这样了，否则你会颓废，你可以干点别的。那么是什么原因让短视频平台被拒绝在了人的内在本质需求之外呢，我们可以得出结论，就是当前的推荐算法依然没有考虑用户主体构成的知觉表象世界的本质需求，这是一个哲学问题。我经常会看到篮球的视频，短视频平台会推荐我 NBA、CBA 的短视频，但我真正的目标，可能是成为科学家，而我并不愿意在这上面静下心来，超越自己让自己自律这对于一般人来说是困难的。那么是不是推荐有关科学家的激励视频，那么这可能是更好的。

问题四、电子商务平台购买书柜的案例

用户在电子商务平台购买书柜，它看了几个感兴趣的后，我们会神奇的发现，后面每次访问这款电子商务平台，他就能够看到推荐的更多的感兴趣的书柜。最多的时候，屏幕上 80%的商品都是各种各样跟我相契合的书柜。但问题就在这里，这款推荐算法并不能识别，用户为什么看这种类型特征的书柜，这其实是用户自己进行了计算和衡量。他考虑了书柜的价格、预算、颜色、整屋的搭配、布局与整体的装修风格搭配、妻子的看法等、对未来的时尚的判断等等，这时一个人主体智慧的表现。如果我们的推荐系统能够识别并计算这些本质用户需求，那么商品推荐，一定会从用户的高频率和长时间停留，进化到用最小的阅读时间最快下单的快模式。

总结

所有这些例子都表明，在我们使用商业平台的系统购物时，系统给我们的推荐越来越能够抓住作为用户感兴趣的内容。因此，用户在感兴趣的商品上停留时间越来越多，发现感兴趣商品的概率越来越大，在 APP 停留时间越来越长。但是，交易率的增长却并不像感兴趣的商品那样增长迅速。其原因还是目前的推荐技术为能抓住用户的本质需求，也就是用户任然需要大量的时间来考虑对目标商品的量化描述，来匹配商品库的商品，未来的人工智能 显然应该做到更多，思考用户所思考，让计算机计算用户的思考，从而提升交易转化率。