我很喜歡 Spotify 和 Netflix 的海量內(nèi)容，但有時(shí)也會(huì)因?yàn)檫x擇太多而感到迷失。

這類產(chǎn)品大多配套成熟的個(gè)性推薦機(jī)制，只需通過點(diǎn)擊喜歡和不喜歡的簡單交互、播放頻率和好友信息，就能推導(dǎo)出用戶的個(gè)性喜好。

除了用戶個(gè)體之外，系統(tǒng)也會(huì)合計(jì)分析擁有類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(xiàn)給我推薦了一些很棒的音樂， YouTube 也不間斷的為我推送相關(guān)內(nèi)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(xì)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。

長按喜歡/不喜歡選擇操作理由

上面的動(dòng)畫中，我用 Spotify 作為案例展現(xiàn)了實(shí)現(xiàn)方式。當(dāng)長按“不喜歡”按鈕時(shí)，界面顯示選項(xiàng)讓用戶選擇理由：

• 是不是播放次數(shù)太多了？
• 不適合現(xiàn)在的場景氛圍嗎？
• 讓你想起了不好的會(huì)議？

對“喜歡”的處理也一樣：

• 讓你想起了開心的回憶？
• 喜歡歌詞表達(dá)的含義？
• 有去這個(gè)樂隊(duì)的所有演唱會(huì)嗎？

如果推薦算法能夠達(dá)到這種細(xì)致程度，我能夠想象它對用戶的理解會(huì)有多深入。例如你最近單曲循環(huán)的一首歌將來會(huì)提醒你這段時(shí)間的經(jīng)歷?；蛟S有一種類型的音樂你只會(huì)在入睡時(shí)聽，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(xì)節(jié)

本次案例中，我使用的是產(chǎn)品已有的交互形式，借鑒了“長按預(yù)覽”功能。在保留單擊“喜歡”/“不喜歡”簡單操作的同時(shí)，也用不打擾的方式允許用戶提供更多信息。

盡管長按是 Spotify 存在的操作，我還是希望提供一點(diǎn)使用指引來讓這個(gè)功能不僅被限于高級用戶。如果使用現(xiàn)有的提示彈窗，在單擊“喜歡”之后， 將看到以下的內(nèi)容：

簡單的操作指引

當(dāng)前 Spotify 每周歌單發(fā)現(xiàn)的播放頁上，取代“喜歡”和“不喜歡”操作的是“隨機(jī)播放”和“循環(huán)播放”。不過我認(rèn)為在聽推薦歌單和電臺時(shí)，了解用戶喜好會(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。對于用戶自建歌單的播放頁，依然可以保持當(dāng)前的形式。

目前 Spotify 的播控兩邊的按鈕是“隨機(jī)播放”和“循環(huán)播放”

嘗試把“隨機(jī)播放（Shuffle）”和“循環(huán)播放（Repeat）”放到“更多操作”的菜單里

總結(jié)

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點(diǎn)適用于很多像 YouTube、Netflix、Podcasts 這樣的內(nèi)容推送平臺。要深刻理解個(gè)性推薦的時(shí)機(jī)和理由，來自用戶聲音也是很寶貴的。在通過大數(shù)據(jù)觀察趨勢時(shí)，這一點(diǎn)將變得更加重要。無論任何，我希望這些想法能夠?qū)μ岣咄扑]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點(diǎn)，并且原作者提出一種觀點(diǎn)時(shí)也未必堅(jiān)定認(rèn)為它絕對正確。個(gè)性推薦在未來的可能性還有很多，本文提出了一種假想，不論你是否贊同，歡迎在評論區(qū)探討。

 

原文作者：Heiko Maiwand

原文地址：How to make recommendations suck less

譯者：Z Yuhan，知乎專欄：交互進(jìn)階