作者|洪杉 來源|紅杉匯（ID: Sequoiacap）
[ 編者按 ] 每一段代碼裡的用戶默認選項，都潛藏著一家公司的價值觀。
越來越聰明和精準的推薦算法引擎，其變革式力量已經在我們日常使用的閱讀應用、電商平臺和娛樂消費中大量體現。但它在讓我們的使用體驗變得更便捷的同時，是不是也在讓我們變得更懶得思考，甚至在某種程度上愚弄我們？
這是值得警惕的。究其本質，或許是因為我們誤讀了推薦算法本身——它的存在是為了提供更多、更優的選項，幫助做出更好的選擇，而不是讓人無腦地遵從計算的結果。簡單來說，它應是為了讓選擇的權利更自由，而不是被束縛。
正如貝佐斯所言：「其實亞馬遜並不是靠賣出更多東西賺錢，而是靠幫助用戶做出更好的購買決策來賺錢。」也就是說，推薦算法的最大受益者應是用戶，而平臺的商業模式才隨之成立。
由是而言，不要誤以為技術的領先性是核心競爭力的護城河；價值觀的比拼，才是終極競爭。
每期監測和精編中文視野之外的全球高價值情報，為你提供先人一步洞察機會的新鮮資訊，為你提供升級思維方式的深度內容，是為 [ 紅杉匯內參 ]。
推薦算法的變革性力量
作者：Michael Schrage
編譯：洪杉
維基百科將推薦算法引擎（以及平臺和系統）定義為：「一種信息過濾系統，用於預測用戶對物品的『評分』或『偏好』。」但作為一種工具、技術和數字平臺，推薦算法引擎遠比這一定義所顯示的更加有趣和重要。
在數據驅動的市場中，當預測分析被重新包裝並用於推薦算法時，它將會改變人們認知、體驗和決策的方式。它是商業世界中最強大，同時也是能最大程度為人們賦能的引擎。
對阿里巴巴、亞馬遜、Netflix和Spotify來說，推薦算法引擎不單只是營銷或銷售工具，它還是洞察力、創新和用戶參與的重要驅動力。優異的推薦算法可以顯著地提高客戶忠誠度、帶來可觀的客戶增長，並且放大了客戶終身價值。而打造出一個算力強大的推薦算法系統，將有益於重塑人類行為。
推薦算法引擎的影響和目的並不限於客戶或消費行為。大型僱主，尤其是谷歌，已經採用和調整推薦算法引擎作為內部生產力平臺，助力員工做出最佳職業決策選擇。
儘管數據仍是推薦算法的重要組成部分，但目前全球推薦算法革命所反映出的深刻而持續的算法創新，已經使得機器學習和人工智慧可以自行推動深度學習和生成性對抗網絡的改進。成功的推薦算法引擎還會學習如何學習。人們使用它們的次數越多，它們就越聰明；它們越聰明，人們使用它們的次數就也會越多。做得好的話，推薦算法引擎可以實現價值創造的良性循環。
推薦算法引擎一方面為人們帶來助益，另一方面也越來越多地影響人們在服裝、娛樂、食品和藥品方面的選擇；還會影響我們發送的信息、聯繫的朋友、優先考慮的客戶和潛在客戶、尋找的專家、聘用的求職者、選擇的投資、編輯的備忘錄以及遵循的日程安排。
但算法帶來的方便和助益不應該掩蓋微妙而重要的設計原則：推薦算法的存在是提供更優的選項，確保可以做出更好的選擇，而不是讓人無腦地遵從計算的結果。正是這一原則，才讓良性的價值循環得以存在。它並不尋求將最優、最好或最正確的答案強加給用戶，恰恰相反，推薦算法的意義和目的是賦能，算法的訴求是影響決策但並不控制決策。因此，從這一點來說，成功的推薦算法引擎設計更多是在於它想要如何影響決策，而非擁有多少數據，了解多少信息。
推薦算法引擎將改變人們的選擇。就像蒸汽機引發了一場工業革命一樣，推薦算法引擎在算法時代重新定義了洞察力和影響力。哪裡需要做出重大決策，推薦算法就會在哪裡蓬勃發展，而隨著它們變得更加智能，這種決策數位化趨勢就只會變得更加普遍。更好的推薦算法必然意味著更好的選擇。
幫助消費者做出更好的選擇，可以推動業務增長
購物、商業和消費是推薦算法引擎日益增長的影響力的最明顯例子。原因之一是，更多的人在更多的領域擁有了更多的選擇機會：例如，亞馬遜Prime Video就提供了超過20000部電影和視頻；每分鐘有超過500小時的視頻被上傳到YouTube；每天有超過5000萬張照片被發布在Instagram上。這種巨大且不斷增長的豐富性，本質上也讓人們做出深思熟慮決策的難度變得更大。所以，想要做出更好選擇的人，會越來越願意接受智能機器的推薦算法。
Spotify是全球最大的獨立音樂流媒體平臺，擁有5000多萬首歌曲，用戶量超過2億。這家瑞典的創新企業之所以能達到今天的規模，就在於他們將發現、推薦和個性化作為其用戶體驗和增長戰略的支柱。
Discover Weekly（「每周新發現」推薦歌單）是該公司首屈一指的推薦算法系統的成果，作為值得深刻探討的案例研究，它展現了推薦算法是如何深刻改變了人們發現新事物的途徑的。每周一，Spotify的客戶都能看到這樣一份個性化定製的推薦歌單，裡面有30首他們可能從未聽過但很可能會喜歡的歌曲。這一功能於2015年悄然推出時，Spotify只有約7500萬用戶，而這一項目是一個臨時團隊在沒有獲得正式支持的情況下創建的。
相似性是Spotify能把這件事做好的秘訣。不同的算法在計算過程中處理不同的特徵、屬性和元素，從而為用戶提供可預見的驚喜。推薦系統會分析用戶的行為以及歌曲和藝術家之間的關鍵共性，抓取用戶活動日誌、用戶播放列表、看過的音樂新聞和發表的評論，甚至用光譜圖分析音頻文件，記錄這些作品的節奏，調值和響度等關鍵特徵信息。然後，篩選掉用戶曾聽過的，最終生成一份為每個人定製的播放列表推送給用戶。
2015年初，剛開始測試Discover Weekly時，這一臨時團隊的人悄悄地把它的原型推到了公司所有員工的Spotify帳戶上。「每個人都又驚又喜，」Discover Weekly的聯合開發者Edward Newett回憶說，「他們會說：『這簡直就是另一個我做出來的歌單。』」
接著，Discover Weekly被推給了1%的用戶，並獲得了同樣的熱烈反響。之後，到了2015年年中，Spotify便開始向世界各地的所有用戶推出這一功能。它迅速在用戶間掀起了一陣熱潮，推出後的10周內，這一推薦算法推薦的歌曲就獲得了10億次播放。
像Spotify這樣的公司其實是在賭：幫助用戶做出更好的選擇——亦即在選擇時更明智——能更好地提升他們的忠誠度，讓他們更願意在自己的平臺上花錢。而數據也表明他們賭對了：一項2019年的調查顯示，個性化產品推薦算法帶來的收入佔據了電商行業收入的近31%。Salesforce的一項研究發現，在線購物者在點擊任何產品推薦後，將商品添加到購物車並完成購買的可能性增加了4.5倍。
Netflix注意到，人們在平臺上所觀看的節目中，有75%來自平臺的個性化推薦（推薦算法數據也被用於推薦新節目和原創節目）。而獨立研究機構的報告也有力表明，推薦算法帶來的直接或間接收入大約佔了亞馬遜收入的三分之一。
顯然，這其中也潛藏著不可避免的利益衝突。推薦系統的運作，考慮的究竟是公司的還是客戶的最大利益？誰又才是最大受益者呢？
因此，如何管理這些利益衝突，展現的與其說是技術上的獨創性，不如說是企業的價值觀。為用戶賦能的算法與只是單純利用用戶的算法之間，明顯有差別。
只有當用戶信任推薦算法時，推薦算法才能發揮出最大的作用和價值。相信推薦算法是真心為他們考慮，就會對算法給出的新奇的、出乎意料的、未經證實的內容持開放態度、不設防備心理。
但它同時也帶來了風險：算法有可能會利用這一心理來操縱和利用用戶。正如LinkedIn負責監督推薦算法研究的Dan Tunkelang所觀察到的那樣：「當推薦算法發現它們擁有影響決策的力量時，它就會變成垃圾郵件發送者、騙子和其他動機不那麼光明的想要影響我們決策的東西。」
從技術上講，操縱推薦算法引擎是比較容易的。讓推薦算法偏向於某個品牌、電影、餐廳、人物或歌曲，而不是另一個，這並不難。簡單地說，只需一行代碼即可。但實事求是地說，這樣做真的值得嗎？一次兩次的欺騙性獲益真的會勝過對客戶終身價值的投資嗎？
傑夫·貝佐斯就斷然拒絕了歪曲推薦算法的做法。他提到並引用了一家供應商的話，這家供應商對亞馬遜將批評性的評論放在顯眼位置的做法感到不滿。貝佐斯說：「有個人寫信給我說，『我是真不懂你的業務模式，賣出東西越多越能賺到錢啊，為什麼你還允許這些負面評論被放出來？』我讀到這裡的時候就想說，其實亞馬遜並不是靠賣出更多東西賺錢，我們是靠幫助用戶做出更好的購買決策來賺錢。」
人們接受或不接受推薦算法的結果，同樣都會揭示他們內心的真實想法。不管是設計好的還是系統的默認設定，更個性化的推薦需要更多的個人數據和信息。而看似不相關的數據集通過算法融合，可能會產生令人驚訝的洞見。
這種創新訴求讓安全性和保密性變得更加重要。就像在醫療保健行業一樣，隨著推薦算法系統的功能越來越強大，越來越普遍，越來越具有預測性，知情權和同意權也會變得愈發重要。
幫員工做出更好的選擇，可提升績效
推薦算法還可以提高個人——以及企業——的生產力。例如，很多營銷人員和銷售人員都在使用推薦算法來策劃活動和鎖定潛在客戶。IBM和Salesforce等企業領導者也在使用和提供這樣的銷售推薦算法系統。
問題是，如何才能更好地展示數據分析的結果，以便提高生產力呢？目前能看到的電子表格、動態監控面板以及動態可視化能做的都很有限。那不妨比較一下以下兩種表達哪種更有說服力好了：「你要這樣做」還是「接下來這樣做可能會得到上司的讚賞哦」？記住，你是給人建議，而不是咄咄逼人地命令他們。
最理想的情況是，成功的推薦算法將大量釋放出提高生產力的機會。我們不妨藉助以下這些例子來打開想像：
● 一位高管意識到他的書面表達缺乏清晰度、活力和說服力，於是他就會用IBM的Watson Tone Analyzer等軟體來分析他的信件和信息。軟體會提出相應的修改建議，使其表達變得更清晰和更具說服力。
● 一位全球項目經理想要讓她的團隊具備更強的合作協作精神和團隊意識，因此借力於推薦算法系統。這一系統便會做社交網絡關係分析，為項目裡程碑排優先級順序，審查會後交流，並提出每日檢查清單。
● 一個技術能力強但缺乏靈感的用戶界面設計師，當他想要做出更先鋒更激進的設計時，他的視覺推薦算法系統會根據創意和大膽的用戶體驗設計，提供相應的原型圖像和線框。
在這些例子中，都不存在所謂正確的答案或規範的解決方案。相反，推薦算法系統為他們提供的是一些清晰、令人信服、定製化的，在其他情形下無法得到的選項。
隨著機器學習、人工智慧、傳感器、增強現實、神經技術和其他數字媒體的不斷創新，推薦算法的影響力將會變得更普遍、更強大以及更重要。它可期的未來不僅僅在於變得更個人化、更相關、提供更好的信息，而是變革性地為人們提供更好選擇的驚喜。
#與那些從未實現的想法「斷舍離」#
為什麼扔掉「腐爛的香蕉」，對你的成功至關重要
當一個想法突然冒出時，它是綠色的，就像一根未成熟的香蕉；這個想法在接下來幾天內逐漸在你腦子裡變得豐富、成形——就像香蕉一樣慢慢成熟；但如果你遲遲不去執行這些想法，它們就會開始腐爛，佔據你的精神和物質空間。
企業運營中也會有「腐爛的香蕉」，比如從未落實過的方案、已經擱淺的項目、不再產生利潤或生產力的業務。在新的一年開始之前，要清理它們。
▨ 識別老香蕉。列出所有未完成項目，和團隊一起對它們的重要性進行評分，找出已經開始「腐爛」的項目。
▨ 公開作出承諾，以便讓自己被監督——要麼在香蕉（想法）成熟時就吃掉它，要麼放棄它。
▨ 面向新一年。從清單中找出哪些是你真正需要做的，在明年集中資源完成。
▨ 切香蕉。現在是我們的最後一步：把今年剩下的香蕉切碎，也就是在2021年1月1日之前，選出三件最重要的事情來推動業務向前發展。
編者按：本文來自微信公眾號：紅杉匯（ID: Sequoiacap），編譯：洪杉
本文來源紅杉匯，內容僅代表作者本人觀點，不代表前瞻網的立場。本站只提供參考並不構成任何投資及應用建議。（若存在內容、版權或其它問題，請聯繫：service@qianzhan.com） 品牌合作與廣告投放請聯繫：0755-33015062 或 hezuo@qianzhan.com