我很喜歡 Spotify 和 Netflix 的海量?jì)热?，但有時(shí)也會(huì )因為選擇太多而感到迷失。
這類(lèi)產(chǎn)品大多配套成熟的個(gè)性推薦機制，只需通過(guò)點(diǎn)擊喜歡和不喜歡的簡(jiǎn)單交互、播放頻率和好友信息，就能推導出用戶(hù)的個(gè)性喜好。
除了用戶(hù)個(gè)體之外，系統也會(huì )合計分析擁有類(lèi)似喜好的人通常喜歡什么東西。
這些推薦非常有用，我的 Spotify 每周歌單發(fā)現給我推薦了一些很棒的音樂(lè )， YouTube 也不間斷的為我推送相關(guān)內容。然而這些個(gè)性推薦服務(wù)任然還有不少提升空間。
解決方式
我建議個(gè)性推薦可以獲取更加細致的信息，以此讓推薦變得更加個(gè)性定制化。
這里的關(guān)鍵在于理解人們喜歡或不喜歡背后的原因。
長(cháng)按喜歡/不喜歡選擇操作理由
上面的動(dòng)畫(huà)中，我用 Spotify 作為案例展現了實(shí)現方式。當長(cháng)按“不喜歡”按鈕時(shí)，界面顯示選項讓用戶(hù)選擇理由：
- 是不是播放次數太多了？
- 不適合現在的場(chǎng)景氛圍嗎？
- 讓你想起了不好的會(huì )議？
對“喜歡”的處理也一樣：
- 讓你想起了開(kāi)心的回憶？
- 喜歡歌詞表達的含義？
- 有去這個(gè)樂(lè )隊的所有演唱會(huì )嗎？
如果推薦算法能夠達到這種細致程度，我能夠想象它對用戶(hù)的理解會(huì )有多深入。例如你最近單曲循環(huán)的一首歌將來(lái)會(huì )提醒你這段時(shí)間的經(jīng)歷?；蛟S有一種類(lèi)型的音樂(lè )你只會(huì )在入睡時(shí)聽(tīng)，而不會(huì )混雜在日常生活中。這樣總比單純二進(jìn)制的喜歡/不喜歡有用多了。
界面細節
本次案例中，我使用的是產(chǎn)品已有的交互形式，借鑒了“長(cháng)按預覽”功能。在保留單擊“喜歡”/“不喜歡”簡(jiǎn)單操作的同時(shí)，也用不打擾的方式允許用戶(hù)提供更多信息。
盡管長(cháng)按是 Spotify 存在的操作，我還是希望提供一點(diǎn)使用指引來(lái)讓這個(gè)功能不僅被限于高級用戶(hù)。如果使用現有的提示彈窗，在單擊“喜歡”之后， 將看到以下的內容：
簡(jiǎn)單的操作指引
當前 Spotify 每周歌單發(fā)現的播放頁(yè)上，取代“喜歡”和“不喜歡”操作的是“隨機播放”和“循環(huán)播放”。不過(guò)我認為在聽(tīng)推薦歌單和電臺時(shí)，了解用戶(hù)喜好會(huì )更加重要一些。所以在播放推薦歌單和電臺時(shí)，播放順序可以移動(dòng)到“更多操作”的菜單中。對于用戶(hù)自建歌單的播放頁(yè)，依然可以保持當前的形式。
目前 Spotify 的播控兩邊的按鈕是“隨機播放”和“循環(huán)播放”
嘗試把“隨機播放（Shuffle）”和“循環(huán)播放（Repeat）”放到“更多操作”的菜單里
總結
雖然這次的案例是受限于已有的 Spotify 框架，但是相信背后的理論觀(guān)點(diǎn)適用于很多像 YouTube、Netflix、Podcasts 這樣的內容推送平臺。要深刻理解個(gè)性推薦的時(shí)機和理由，來(lái)自用戶(hù)聲音也是很寶貴的。在通過(guò)大數據觀(guān)察趨勢時(shí)，這一點(diǎn)將變得更加重要。無(wú)論任何，我希望這些想法能夠對提高推薦算法起到作用。
——
Z Yuhan：我翻譯文章不一定代表絕對贊成原作者的觀(guān)點(diǎn)，并且原作者提出一種觀(guān)點(diǎn)時(shí)也未必堅定認為它絕對正確。個(gè)性推薦在未來(lái)的可能性還有很多，本文提出了一種假想，不論你是否贊同，歡迎在評論區探討。
原文作者：Heiko Maiwand
原文地址：How to make recommendations suck less
譯者：Z Yuhan，知乎專(zhuān)欄：交互進(jìn)階
