“推荐”类应用大行其道，新应用能否借大趋势的东风?
当互联网上的信息量已经庞杂到让人晕头转向的时候，人们使用百度与谷歌的频率却在与日递减。相反，带有“推荐”意味的应用与网站萌生出来，帮网民回避漫无目的的搜索。就连百度CEO李彦宏都在“百度世界2011大会”上表示，百度要从“即搜即得”过渡到“不搜即得”，在首页上集成更多应用与网站，直接推荐给用户使用。
这些迹象说明：属于“推荐”的时代，也许真的到了。本刊2011年10月期的《数据战——互联网江湖隐蔽阵线》一文中提到的麦路、百分点科技、微精等公司，都在沿用这种思路，获取用户数据，加以分析，然后进行推荐，更别提那些更新鲜、更细分的推荐应用。可以说，它们前进的一小步，也是我们向“个性化互联网时代”迈进的一大步。
但从生意的角度，这些“推荐”类应用充满理想主义色彩，它们不仅距离“变现”还有点远，其中一些甚至只是以“插件”形式存在，与其他网站搭帮过日子。它们在中国能否演化出完整的盈利模式?而顺着“推荐”的思路去延伸，又能否寻找到更多机会?
下文将“推荐”大体分为三类思路，并以一些较新的应用进行举例。值得一提的是，这几种分类并不能完全独立开，多数应用需要协作完成，将用户数据滚动起来，再循环利用，加以推荐。
“数据分析类”推荐：
新案例：Clothes Horse
数据分析这件事，可大可小，有相当多的公司正在凭借复杂算法进行“精准匹配”，为用户推荐出“你可能会喜欢”的商品或广告，在此不多列举。
也有更新鲜的做法，例如构建巨大的数据库，进行相对简单的比对工作。美国公司Clothes Horse为用户推荐的是“尺码”：它的产品是一个为电商网站设计的定制化插件，用户光临网站后，会被问及一些问题，例如“穿哪些品牌服装比较合身”、“合适程度如何”等，后台数据库收集了众多品牌的尺寸数据，经过比对，进而判断出，用户在此网站购买哪个号码更加合适。其创始人认为，人们放弃已经装好衣服的购物车，7%的时候都是由于担心尺码不合适。Clothes Horse意在为用户建立一份可以通用的个人尺码资料，很可能在推荐的路上越走越宽。
“社会化”推荐：
新案例：无觅、酷云阅读、Forkly
去年格外红火的“蘑菇街”、“美丽说”等导购网站被称为“社会化”推荐，即使不停有言论指出，它们的做法更偏向于媒体行为，原因是用户间难以形成关系，但“社会”的成分在其中起到一定作用。
另外，阅读这件事也加入了“社会化”成分。“无觅”的创业团队最早的产品是个性化浏览器插件，之后推出为科技博客等内容类网站提供的“相关文章”插件，如今“无觅网2.0”，产品思路可以归结为，通过对阅读内容的分析，进行个性化阅读推荐。不仅是根据用户的阅读历史，进行数据分析后，为其推荐出感兴趣的内容，还会向社会化运营上逐步靠拢，以网站为主体，带动用户进行观点的分享和交流，并导入到微博上。另外一款个性化泛阅读软件“酷云阅读”则将新浪微博作为主要媒体源之一，使用者的阅读习惯会被推送给朋友，同样有社会化分享的元素。
美国的一款美食推荐App名叫“Forkly”，在邀请用户为吃过的每道菜打分之外，还会将用户的口味偏好与其他使用者相对比，模式甚至有些像Twitter，食客之间可以互相Follow，由于加入了LBS概念，还可以搜索出附近的餐馆及其他用户的评价，予以参考。
“意见*型”推荐
新案例：《蛮子文摘》
爱玩微博的天使投资人薛蛮子将微博上的资讯进行汇编与评论，做成独立的电子杂志《蛮子文摘》，在App Store上线后表现抢眼。其中板块包括时事、说史、创投、公益等，据说会有一个维护团队来为他筛选信息，最后经薛蛮子本人审核。薛蛮子还表示，短期内，此应用都会是免费。除此之外，国外也有明星推荐书籍或产品的网站，有可能成为一种独立的生意模式。
加入“社会化”元素的数据分析，才是好推荐
林承仁：无觅创始人
我认为搜索和推荐是两回事，搜索有明确的目的性，但是在很多场景下并不适合，比如看文章，肯定不是搜一篇然后看，再搜一篇再看，这不符合阅读习惯;另外，你经常不知道自己对什么会感兴趣，直到看到后才感到喜欢。在人们的互联网习惯中，有很多这样的情况，只是之前没有挖出来而已，像大众点评等LBS相关的应用，本质也是在推荐。
目前市场上的阅读器或阅读社区，普遍有两种做法：订阅或根据用户喜好进行推荐。RSS订阅不能算是个性化，订阅哪些就只能看到哪些，我们目前的做法是后者，通过分析用户喜好，然后进行推荐。不过，到底哪种更适合用户，或者是一个介乎于二者之间的做法，我们也还在摸索之中。
另外，很多产品认为阅读是私人的活动，我的看法是，就算你推得再准，用户还是会有阅读疲劳，他会愿意一直用某个阅读器的主要原因是，他的朋友也在这里，或者他认同的人在这里发表观点。国内原创内容太少，高质量的反而是用户的评论。所以我们会以社区的形式去呈现。
去年开始，很多公司重新来做阅读器，我觉得是乔布斯救了大家一命：移动互联网爆发，iPad或者智能终端变多，人们拿着它，要么阅读，要么玩游戏。那么我们这些公司的风险在哪里呢?版权方面，看似有点麻烦，其实并没有，只要你做得很大，例如拥有几千万用户，和内容提供商谈分成还是不难的，甚至可以做收费的*内容;比较大的风险是，阅读器的用户粘度不高，用户对产品的切换成本很低。所以我们做社区，也希望把用户的关系黏在这里。
另外谈几句中国的互联网环境。我曾参与亚马逊推荐系统的开发，回国后做无觅，最早的产品是浏览器上的插件，以此直接获取用户的浏览数据，这在美国是很正常的做法，但是在中国，做插件简直就是没可能。我回国几年发现，在国内做新东西的难度很大，互联网圈的大公司还是那几家，风投敢投资的，也多是“Copy2China”的模式;中国对创新也没有什么保护措施;每家都抄美国的，国外一款新产品出来，很多人一窝蜂上去，只要你没有迅速做大，你的价值就显得很小，就肯定会萎缩。这就形成一个恶性循环，很容易把市场做滥了。
但是在美国，如果有人抄袭某家公司的新模式，用户会反感抄袭者，甚至集体去抵制，抄袭者也很难拿到投资。
有消息称阅读器Flipboard 和Zite进中国，我比较武断地说一句：他们进中国肯定会失败。中国市场太有自己的特色了，全球技术*的公司是谷歌，都无法搞定中国市场，更别提其他人了。没有一个真正国外的产品在中国能做好，当然，国外的东西，我们差不多也都拷贝来了。
推荐是对的方向，但不一定是赚钱的生意
朱建秋：上海麦路CEO
凡是“推荐”类应用，最后的目标都是“让合适的人，看到合适的东西”。三种分类中，“社会化”推荐是根据相似性，看朋友的喜好再去协同比对，这种商业模式不光需要技术，还需要懂一些社会学和心理学;“数据分析类”推荐，比如个性化阅读，在技术上并不难，随着智能手持设备的发展，发展的可能性越来越大，而且对用户喜欢的数据可以抓得很准;“意见*型”类推荐，如果只是名人自己喜欢，拿出来分享，并没有问题，如果涉及商业，人们又会怀疑：名人推荐的商品，真的会是他(她)自己喜欢的么?
诸如Clothes Horse这样的公司，在中国很难做，因为中国电商公司一定会问它，做这个可以为自己带来什么。首先，在独立电商而非淘宝上去布置插件，本身就非常困难，这是我的经验;第二，它是否能增加订单?中国电商的退货情况是否普遍因为尺寸不合?此外，电商网站是否没有写好关于尺寸的规则，而且用户也不容易注意到?在满足这些条件后，即使Clothes Horse能够让用户不看提示也能买对尺寸，它本身的功能点还是太窄了些。
我认为，有些商业模式，在美国行，在中国难。美国一些很小很专的商业模式也可以做成功;但是在中国做第三方插件就很难挣钱，在中国做新产品，一定能够要有个自己的应用面和功能点，不能依赖于某个平台。如果两者都是小公司还可以合作，如果对方大一些，肯定会自己做，大公司其实都很封闭。即使投资人觉得这些小应用很靠谱，这些公司自己去找客户的时候也会遇到源源不断的困难。
难度太高，不如化繁为简
杨炯纬：聚胜万合CEO
“推荐”应用越来越多，现在人们对推荐的需求也更旺盛了，尤其是社交网站越来越多，微博的存在也增加了信息量。所以大家都在绘制互联网上的“人物画像”，把用户勾勒得尽可能清晰。
而且我觉得搜索引擎也是一种推荐，你告诉我你想要什么，我在搜索后给你一个结果，这个结果可能是我根据PageRank或者种种标准计算出来的，有一套我自己的逻辑。
先说名人推荐和社会化推荐：我认为这些产品很难让我建立使用习惯，因为那里推荐的并不是我自己喜欢东西，《蛮子文摘》是薛蛮子的喜好，不是我的;导购社区的推荐，是那些爱晒自己购物成果的女孩的喜好。所以我更看好基于数据的个性化推荐。
但是数据分析的技术难度又特别高，我们公司在做广告的推荐，无法达到完全准确。例如我们追踪到某个网民一个月看的200个网站，但其实人家一个月看了近2000个网站，我们的数据永远不够全面，就像盲人摸象一般。但是这样的意识和做法是有意义的，盲人摸象不要紧，摸过总比没有摸过好，总比完全瞎掰好。所以目前的大部分情况下，推荐类应用，很难做到真的个性化。
有些数据推荐应用，一上来先问一连串问题，说实话我会觉得有点烦，如果问题问得少，比如有4个问题，每个问题有4个选项，那就是把所有用户分成16类，还远远不够，很难做出好的用户体验。不过话说回来，从目前的商业模式来看，把用户粗略分类也够用了，例如按照星座划分12种人群。
它们会撼动搜索引擎
刘二海：君联投资董事总经理
互联网上，解决问题的方式有三种：主动搜索、提问题到问答网站、浏览推荐。搜索确实给人们提供了一个极其简便的找到答案的方式。人机界面非常简单，简单到只有一个框。说到人机界面，不能不提苹果，人机界面的发展趋势，在乔布斯和苹果眼中，就是走向自然，力求降低产品的使用门槛，使得产品在很短的时间内迅速达到很高的渗透率。同样的道理，简单易用的特点，使得搜索大行其道。
可搜索还是有很多问题。最突出的是结果太多，不太准确，或是没有合适的答案。基于社交和分享的推荐和问答可以比较好地解决搜索引擎不准，结果太多的问题，是非常有前途的。它们的成功有几个关键要素：
其一，寻找用户聚集地。数据分析也罢，社交及点评也罢，都需要大量用户。自己集聚用户当然*，但非常难，可能更合理的方式是与海量用户的社交网站合作。
其二，社交关系网的利用。这方面LinkedIn 做得不错。
其三，数据挖掘。这是推荐的基础。
今天，社交网络已成为巨大的存在。而基于社交关系的推荐、问答等应用已然出现苗头。因此，我看好这里的机会。它们的发展很可能会对搜索引擎产生影响。
