現代人生活中每天都會收到許多來自移動終端及PC端的“推薦”；有來自傳統短信的推薦，有移動App推送的推薦，有電子郵件的推薦，還有瀏覽購物頁面時提示別人還購買了什么的推薦。說“推薦”是客氣了，其實就是廣告。
有的推薦很簡單粗暴；因為你的移動終端有下載我們的App，關注過公眾號或是曾經在網上買過我們家的商品，所以事后各種推薦信息源源而至。有些推薦號稱用了大數據的技術，可以了解你的興趣、偏好，所以能提供精準的內容或是商品推薦。
教科書級的系統推薦案例
關于使用大數據分析來做精準推薦，國際知名的亞馬遜算是教科書級的案例，當我們在亞馬遜電商網站上瀏覽某個商品頁面時，會看到亞馬遜告訴你買了這個商品的其他人還買了什么別的東西，或是看過這個商品的人對什么其他商品也有興趣。我們也常聽到專家說在淘寶上買過、逛過之后，之后每個人的淘寶首頁“長相”會不一樣，而所以會有這樣“千人千面”的狀態，是因為系統從你某段期間購買記錄、瀏覽網頁記錄，搜尋商品記錄，再加上收藏商品的記錄，“拼湊”出一個品牌及商品的推薦組合，而這個組合被廠商認為能有效提高購買率。
這幾年提供內容的平臺正紅，其中又以“今日頭條”玩轉的最好；不論是網民的關注度、App的下載量還是“今日頭條”里文章的轉發率，在目前的內容分發平臺中算是佼佼者?！敖袢疹^條”號稱自己不“生產”文章或信息，而是由網民們自行上傳內容，“今日頭條”只做兩個動作：1.審核內容有無違背敏感議題，或是法令規范，2.通過審核的內容，系統開始推薦給可能會讀你文章的“今日頭條“用戶。
作為用戶，許多人會先在“今日頭條”提供的幾十個推薦頻道中，選擇自己感興趣的頻道主題，變成”我的頻道“，不同用戶看到的頭條內容主要從他所選擇的主題頻道里產生，另外一部分的內容來自系統推薦。因為每個人感興趣的主題不同，閱讀過的內容不同，所以“今日頭條”用戶的內容組合一樣是”千人千面“。
系統推薦會讓用戶落入“互相強化”的循環嗎？
寫到此，似乎一切都很好，有什么好說的？但今天我要點出的思考是：精準推薦有沒有技術以外的盲點？經由大數據演算之后的推薦，不管是文章、信息還是商品，真的是人們需要、想要的？系統理性、科學的推薦，會不會反倒讓人們選擇變少，且落入“互相強化”的怪圈循環？
舉個例子：小蘭媽媽多年經驗發現讀高中的女兒喜歡吃的菜大概就那5~6樣，于是媽媽每次做晚餐就在這5~6種菜做排列組合，如此吃了半年。小蘭有天說：媽，您做的菜都沒什么變化，老是那幾樣啊，吃都吃膩了。媽媽說：這些菜不都是你愛吃的嘛，以前做菜給你吃，我觀察你吃得較多的就是那幾樣，所以，后來我做菜都做你喜歡吃的，這是我疼你的心意啊。而且，我發現自從都挑你喜歡的菜來做飯，你總是胃口很好，把菜吃光光的呀。小蘭說：我是吃光光沒錯，那是因為只有這些菜，沒得選啊，加上曾經也喜歡吃，將就將就，就懶得說了。但是喜歡的菜吃再多次也會膩的嘛，今晚您換換口味吧….。
來自電商或是內容分發平臺的各種推薦，有沒有可能也犯了小蘭媽媽同樣的問題？用戶過去在你平臺上的“行為”，經過系統的演算之后產生了一幅“用戶畫像”，因此而型塑出用戶在平臺首頁上看到的商品組合或是內容，然后平臺在頁面上又以顯著位置讓用戶優先看到這些組合或內容，所以這些組合或內容的點擊率相對提高了，用戶對這些組合及內容的點擊率高，造成系統判斷這是該用戶喜歡的，下次的推薦也是相似類型的商品組合與內容，用戶看到這些內容繼續采取了點擊回應，然后系統判斷這是該用戶喜歡的…..。于是乎一個怪圈就這樣的循環下去。
這算用戶行為強化了系統的推薦？還是系統推薦強化了用戶的行為？剛開始肯定是用戶行為先影響系統的，到了幾輪循環后，就變成互相強化，直到用戶因厭煩不再回應系統的推薦為止。站在系統的角度來看，系統是非常客觀、全面，不帶任何情感，只反映顧客行為。但今天系統交互的對象是“人”，“人”的變化性很大，喜歡的口味也常常在變動，連自己都不一定了解自己。所以所謂的大數據或是現在流行講的人工智能，再怎么強，也只能分析到人們表面的行為層次，數據分析后若能據此抓出用戶下一步的選擇傾向，這已經很厲害啦。
系統推薦“限制”了消費者的選擇機會？
對淘寶、京東商城、亞馬遜等電商來說，他們都會將本文前面提到的用戶各種行為記錄下來，用系統匯整、分析之后，在不同用戶的屏幕首頁“拼湊”出品牌及商品的推薦組合（或說是“出現組合”），這個組合已被電商認為能有效提高點擊率，進而促進提升購買率。在理論上來說，這樣的安排合理，實務上多年下來也證明了此舉對于整體業績是有卓越貢獻的。但從另一個角度看，卻是在“限制”消費者的選擇，最后會不會造成這些電商首頁對于消費者吸引力降低？以及讓消費者看到更多不同類型商品、品牌的機會變少呢？這樣可是會影響到用戶的自然回購，及未來對平臺的業績貢獻度。（自然回購是指在平臺或商家沒做促銷時，用戶仍然會買）
舉例來說，消費者小林最近4周內，在淘寶上瀏覽了多個不同賣家的耳機、男裝、蘋果手機配件、女士包包、零食、阿迪達斯運動鞋的商品頁面，也在其中訂購了一些商品。所以，未來在小林的淘寶首頁一定會出現兩種類型的推薦：一種是他購買過的及瀏覽頻率高的商品類別，一種是他買過的及瀏覽頻率高的品牌類別。我們再假設最近一年內，小林瀏覽的頁面及購買的品類與前面說的最近4周是相似的，從數據分析人員來看，他們會很興奮小林在淘寶上的“用戶畫像”被勾勒出來了，所以，小林的首頁在“商品類型”及“品牌喜好”組合上基本可以定型下來。
但例子中的小林是怎么想的？且讓我模擬他的心聲：小林近來覺得淘寶越來越不好玩了，首頁看到的商品類型老是那幾項，品牌也總是出現那些“熟面孔”，甚至才剛買過大碼T恤，結果首頁又再推薦這個商家。從前逛淘寶那種發現新鮮商品的驚喜與樂趣似乎越來越低了，他不禁回憶起5年以前的淘寶，打開首頁總能發現各種不同類型的新商品，難道淘寶現在賣的東西變少了？
回到現實，整個淘寶平臺上的商品與商家當然沒有減少，這幾年可能還不斷增加。那為什么小林會有這樣的“錯覺”？
“行為導向”發展到極致就是精準營銷嗎？
原因可能就是系統將“行為導向”的邏輯發揮到極致時產生的后遺癥；“用戶喜歡什么，平臺就“喂”他什么“，這個邏輯合理，但當平臺端出的“菜色”太多是揣摩用戶可能的喜歡時，用戶只得從中做選擇，這些選擇反饋回到系統時，系統再度認為這是用戶的喜歡，于是又回到“你喜歡什么，平臺就喂你什么”的新供給上來。幾輪循環下來之后的“喜歡”，這個數據的含金量早已不是用戶“初始”喜歡的份量。
精準營銷是平臺為了促進各種商品及品牌“在正確的時間”被“正確的人”看到的機會，同時減少消費者在網上搜尋、選擇的時間。目的在提高轉化率，幫助平臺、賣家賺錢。所以并未從用戶的角度去深入思考其內在邏輯的合理性。
其實，除了少數人是目的導向的購物者，對大多數人來說，無刻意目的的逛街是一種樂趣，也是打發時間的一種“娛樂”。這種心情轉換到電商平臺上的瀏覽、購物也是一樣的。所以電商平臺為什么要以“精準營銷”之名，提高民眾選擇商品的效率呢？還不如去提升讓商品搜索結果更精準的效率上。
掃除盲點，人為設定“模糊推薦”的比例
那么今天這篇文章對電商平臺及內容分發平臺點出的問題該如何解決？個人的想法是將推薦的信息用人工設定一個比例出來。例如50%的商品、品牌、文章推薦依據來自用戶過去在某段期間的“行為”；20%比例的推薦來自企業外部數據的搜集與整合；30%比例的推薦是隨機進行的“模糊推薦”，與用戶過去“行為”無關，這樣做的好處是既能開發用戶的新需求，同時也讓平臺上的商品、品牌或文章具有豐富多元的變化性，同質性高的商品或文章也不再一而再、再而三的出現在用戶眼前。
這個比例企業可按照自己對用戶的了解及未來CRM的策略去訂出最符合企業利益的比例。
總之，本文不是反對大數據、精準營銷或是各種信息的推薦。相反的，我蠻喜歡這些技術的應用及對營銷觀念的啟發，而且還常常透過寫文章與演講去提倡。同樣地我也可以接受系統提供的各種推薦，因為從接收各種推薦中，總能找到喜歡的商品或信息，既可以打發時間，還能豐富生活。這是我要事先表態的基本態度。
但是就如文章一再闡述的，這些推薦有它一定的盲點，值得大家來探討。這問題不是來自系統的程序、代碼是不是有bug，而是開發系統的團隊其背后邏輯、觀念與假設。如果能將本文提出的觀點納入思考，并做些什么調整，也許電商平臺能開發更多商機，內容分法平臺能讓更多用戶粘在上面。
