从“我的好友喜欢”引申开来，聊聊社交推荐
01 什么是社交推荐？
所谓社交推荐到底是什么？当我想认真思考这个问题的时候，我发现我根本没法从一个很好的点切入并给出准确的定义，于是我开始以关键词“社交推荐”为query进行搜索，但是无论是百度，还是谷歌，并没有给出对应的答案。
我不仅开始迷惑，所谓的社交推荐，是不是又是互联网的一次无意义造词？
既然没有找到权威定义，那们就从自身理解出发，我对社交推荐的看法，主要有三点：
- 社交推荐的中心思想在于我会对信任/亲密的人推荐的内容/物品更感兴趣；
- 社交推荐与算法推荐是对立存在的，社交推荐不是算法推荐；
- 社交推荐的依据是用户关系链对内容/物品的喜恶；
尽管有了这三点认知，我大致能够理解社交推荐存在的价值与意义，但有几个方面，我仍然存在疑虑。
02 关于社交推荐的一些疑虑
1. 社交推荐的精确度问题
关于这一点，可能有些难以理解，我尝试描述一下，大体是这样的：
A对B的主动推荐，一定综合了A自己对于B的理解，进行了一道信息筛选，且是点对点的推荐。在社交推荐中，A推荐的发出是难以预设接收对象是谁的，而接收者往往是被动接收A的推荐信息，如果说A主动推荐B，准确度是70%，而社交推荐中，A有十个好友接收到该推荐，那推荐的准确度就只有7%，而实际上，现代社会中很多用户的好友数一定是远大于这个数的。
总结一下：
- 社交推荐熟悉的人“信息筛选”因为推荐面的扩大导致不置信；
- 社交推荐中推荐是点对面/面对面的推荐，准确度较之点对点推荐差很多；
当然，我们可以通过分析推荐内容对于B的适合程度，在推荐中，选择性进行展现，但这种社交推荐，掺杂了算法推荐，还算是社交推荐吗？
即使这依然算是社交推荐，A的推荐这一步骤，是否能起到强有力的信息除噪，我个人也是打一个大大的问号。
2. 社交推荐与算法推荐的关系
如果按照最简单的社交推荐来理解，最核心的两条原则应该是：
- 我的好友A喜欢X，我和A关系密切，我大概率喜欢X；
- 我很多好友喜欢X，我大概率喜欢X；
这两条原则指导下，社交推荐的后置工作就分为两块：
- 测算我和好友A的关系密度（这涉及到用户画像与交互行为的分析），可能还需要分垂类来分析，因为即使好友也不会在各个维度兴趣偏好一致；
- 测算好友对于X的推荐的置信度，不同好友不同权重，不同推荐行为不同权重；
而算法推荐呢？
我们知道算法推荐主要有五种：协同过滤推荐、基于内容的推荐、基于关联规则的推荐、基于流行度推荐算法、混合推荐，而其中协同过滤推荐算法主要是分为UserCF（User Based Collaborative Filtering）和ItemCF（Item Collaboration Filter）。
等一下，我嗅到了一丝不对的气息，UserCF是不是就是我们上面谈到的社交推荐？
而这就存在悖论了，如果我认为社交推荐是与算法紧密相连，那它就越来越趋向于UserCF，这是个老玩意，有利有弊。
而如果把社交推荐中算法的刨除，通过“关系链推荐+复杂规则”来理解的话，其准确率上限是极低的。
3. 社交推荐的隐私边界
除了上述问题之外，还有一个问题始终困扰着我，那就是社交推荐如何解除隐私边界问题。
看一看中“朋友在看”和“精选”社交推荐形式
就拿微信来说，我们理解的社交推荐经典使用场景在“看一看”、“视频号”两个模块。
在看一看中，“朋友在看”中能看到每个好友的推荐，如果朋友写了评论的话，还可以看到这一条评论，而在“精选”中，除了算法推荐内容，社交推荐体现在“朋友都看过”这个tag，我们发现看一看对于社交推荐的运用是较为克制的。
因为用户在浏览公众号内容的时候，如果不想自己的互动行为被展现，可以只点赞or收藏，在“精选”中，则是对社交推荐的深层运用，模糊个体的推荐行为，而从群体着手来进行推荐。
视频号中好友推荐的展现
而在视频号中，这一运用就显得更重的，所有的互动行为都是外展可见的，从推荐者的角度他的行为是点对面的，相比于点对点推荐，压力更大，类似于朋友圈点赞，甚至更加不可控。
这种形式的社交推荐一定是不优雅的，而去除掉推荐人信息的模糊推荐（类似看一看“精选”），缺少了确定的信息背书，对于用户点击意愿的提升究竟有多大呢？
03 社交推荐完全无用吗？
看了前面我对社交推荐的一通质疑，或许大家会认为我对社交推荐是持极大抵触与反对态度的，但实际上并不是。我非常赞同社交推荐的理解，也认为相较于算法推荐，其具有非常强的不可或缺性。
1. 社交推荐具有很强的可解释性，更容易建立信任
算法推荐一切都非常好，就是缺少可解释性，因为说到底，利用用户画像、交互行为作为输入，通过算法黑盒来出的推荐结果，连推荐产品经理都很难说清楚某条内容/物品是如何被推荐的，从用户角度来说就更加难以理解了。
不可解释性又回来信任危机，用户对于算法推荐的内容是具有警惕心的，人对于未知总是恐惧，“总有刁民来害朕”的心理作祟，信任难以建立，而不论在内容/物品推荐中，信任都是非常重要的一环。
2. 社交推荐是容易滋生病毒式裂变
各种花式拼多多互助群
社交推荐相较于算法推荐，更容易滋生病毒式裂变，相较于当下微信的社交推荐，有时候我会觉得拼多多的社交推荐思维是否是更先进，鼓动用户自发的进行点对点，点面面的推荐，借助社交链进行病毒式传播，这相较于算法推荐不知道高到哪里去了。
04 后记
这篇文章主要是写了一些个人对于社交推荐的看法，其中包含了很多对于社交推荐的疑惑，如果有了解和有意愿交流的同侪，也欢迎拍砖交流，不胜感激~
#作者#
随心将夜，微信公众号 : 互联网菜鸟产品进阶之路。关注社交赛道和社区发展，擅长分析行业趋势。
本文
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
