编辑导语:随着个性化推荐的流行,万物变得皆可推荐,各大APP可以按照你的喜好推荐音乐、新闻、衣服、食物等等。本文作者就为大家介绍了搜索与推荐的心理学基础,并且对搜索推荐模式进行了思考与拓展。
万物皆可推荐,大部分以搜索为主要功能的产品都可以用推荐再做一遍。
前阵子刷抖音很喜欢某些视频的背景音乐,就下载了网易云音乐。
偶然发现网易音乐有一个心动模式,其实就是一个推荐模式,会自动推荐陌生歌曲。惊喜发现推荐的歌曲还是自己很喜欢的,感觉很懂我,于是乎思考了一下搜索与推荐两者的区别与联系。
网易音乐是如何成长起来的?
可能会有很多原因,但是核心的因素在于用户的情感并通过社交、推荐、分享达到的。
每一个歌迷都有一个自己的歌曲清单,每一首歌曲,每个人听着的情感都不一样,可谓一千个人眼中有一千个汉姆雷特。人不可能一辈子就听一首歌或者几首歌,一般是一阵子听某些歌,这些歌会蓝盟超越网与个人的经历挂钩。
这些情感、故事能直接对人在和 *** 上说出来吗?
可能大部分人不会,不习惯我有故事你有酒吗这种畅快沟通的模式,因而音乐情感部分可以看成是陌生人社交。
网易音乐通过对歌曲的评论,同时有点赞、评论给予用户在精神上的反馈。在歌单方面,通过分享、推荐,获取有相同兴趣爱好的用户,可以扩大用户在平台上的影响力。
相信大部分人和朋友之间交流音乐也曾经交换过歌单,向对方推荐自己喜欢的歌曲。
在推荐的产品设计方面,网易云音乐的心动模式非常出色,会自动根据用户听过的音乐推荐新的音乐,而且推荐的结果让人惊喜。
但是唯一感觉不同就是网易音乐的心动模式是自动开启的,别的App的推荐坑位需要用户去点击才能去尝试(产品设计原因)。联想到自己以前怎么找歌的经历,于是开始思索搜索与推荐的场景了。
先介绍一下《思考快与慢》里面介绍的一点心理学知识,人有两个系统:一个是系统1,即快系统,无意识且快速,不费力;另外一个是系统2,即慢系统,需要注意力并动用大脑的计算能力。
人在大部分的时候都是使用系统1,少数时候需要耗费脑力/注意力才会启用系统2。
插一句:联想到 *** 的营销, *** 的营销规则是如此复杂,导致大部分人都需要调用系统2,而拼多多的主打价廉物美的心智,大家只需要使用系统1无脑下单就行。
搜索需要用户的主动输入,用户需要输入意味着用户的目标会比较明确。从产品过程来看,搜索需要调用系统2,因为这个过程需要人思考到底需要搜索什么。
另外一方面来说,搜索的产品、信息必须用户已经有心智了,在电商行业就是品牌已经在用户那种草了,在音乐方面就是用户必须知道自己想听的那首歌,在影视行业就是用户大可能已经知道那部电影/电视剧的某些细节了。
用户是被动的,用户可能根本就没有目标,也就是用户期待会不一样。推荐可以推荐新的东西,也不会让用户需要做选择题;可以缩短用户思考路径,提升用户体验(即沉浸式体验)。
推荐新东蓝盟超越网西在某些时候可以引起用户的惊喜、好奇心,更重要的是,让用户的大脑使用系统1工作,而不是系统2。
由于人类的惰性,这类产品(今日头条、抖音、网易云音乐、淘系的猜你喜欢等)已经出类拔萃了。如果我们需要让消费者在APP购物的时候逛起来,推荐必不可少。
搜索以货品(广义,可以理解为供给)为本,用户必须有某种方式事先关联 *** 品,也就是营销货品概念到用户心智(用户心智的培养),所以搜索到用户的路径会比较长。
在用户心智培养这个过程中(品牌营销),需要多次触达用户,才有可能在用户心中埋下种子,使得用户在输入搜索词的时候大脑中跳出对应的货品特征/品牌。
并且搜索有一个很强的必要条件,就是搜索必须平台化与中心化(搜索就是一个撮合供需的场),而且供给能力必须要大而全,否则用户一搜没东西或者无法满足用户需求,则用户很容易流失。
可以设想一下,当用户带有很强目的性来搜索的时候,想听歌的歌曲没有,想看的电影也没有。另外一方面,当用户不知道自己需要的东西时,我们就需要各种导购场将需求继续明确,比如类目设计、导购场设计等。
推荐以人为本,围绕人本身的需求,以更短的路径匹配人的需求和广义货品的供给。由于目标性不强,所以消费者更容易在平台上花的时间更长。
如果能时不时给消费者惊喜,平台粘性会逐渐培养起来。而且由于主要信息流的单向性,推荐可以以平台化的方式来做,又蓝盟超越网可以以去中心化的方式实现。
同时,推荐也是通向社交化的一条路。
推荐中心化的模式现在有很多例子,像今日头条、抖音、快手等,在供给侧将信息(新闻)、短视频、直播等聚合起来,然后在通过推荐引擎分发给对应有需求的消费者。
比如:最近自己看的公众号文章较多,就想能否有一个产品,打造个人独特的公众号文章频道,即公众号的今日头条。
推荐去中心化的例子,社交领域会很多例子(一切皆可推荐)。因为人与人之间交流,交流时可能就会交流自己买的东西,听过的音乐,看过的电影等,也可以当成一种非正式的推荐。
当推荐 商品,就有我们熟知的微商模式,由微商选货,推荐给群/朋友圈的时候,就是一种人肉推荐。
我们常见的KOL模式,也是由KOL生产信息然后推荐给粉丝。
所以推荐的背后,当推荐成功时,信任是一大重要因素。看到我们现在的直播模式时,也可以看做是由主播选品后,推荐给看直播的粉丝的。
去中心化的好处是人群会更精准,而且由于用户与供给方会具有一定的社交关系(好友,粉丝等),也就是用户对供给方有一定的信任基础,推荐起来在某些场合效率会很高。
社交关系的获取可以通过平台,也可以通过线下手段或者依据真实社交圈子获取。
万物皆可推荐,大部分以搜索为主要功能的产品都可以用推荐再做一遍,可以思考一下各个应用场景。
本文由 @XXX 原创发布于人人都是产品经理,未经许可,禁止转载
近日,两位安全研究人员成功入侵了亿万富翁兼电影制片人 Jeffrey Katzenberg 的 Mac 计算机,意味着 macOS 设备并不能自动抵御网络威胁。虽然没有提到特定的 macOS 设备型号,深谙社会工程的 SocialProof Security 首席执行官 Rachel Tobac 还...
尽管苹果一直在警告侧载应用程序的危险性,并坚持对上架 App Store 的应用展开严格的审查。但由于 TestFlight 和 WebClips 这两项功能的存在,越来越多的恶意软件开发者正在积极利用这两大“官方漏洞”。比如欺诈者可忽悠 iPhone / iPad 用户侧带有恶意软件的应用程序,进...
Hackernews 编译,转载请注明出处: 研究员发现,黑客滥用高影响反射/放大方法,实施长达14小时的持续分布式拒绝服务攻击,放大率达到了破纪录的4294967296倍。 这种攻击载体被称为 TP240PhoneHome (CVE-2022-26143) ,已经被武器化,可以...
早些时候,美国卫星通信服务提供商 Viasat 遭受了一轮网络攻击,结果导致中东欧地区的服务出现了中断。而由 SentinelLabs 研究人员 Juan Andres Guerrero-Saade 和 Max van Amerongen 最新发布的安全研究报告可知,这口锅应该扣在一款名为“酸雨”(...
Hackernews 编译,转载请注明出处: TrickBot 是一个臭名昭著的“ Windows 犯罪软件即服务”(Windows crimeware-as-a-service,简称 caa)解决方案,被各种黑客用来提供下一阶段的有效载荷,比如勒索软件。TrickBot似乎正在做...
有争议的面部识别公司Clearview AI通过从互联网上搜罗自拍照片,积累了一个约100亿张图片的数据库,以便向执法部门出售身份匹配服务,今天,该公司再次被勒令删除人们的数据。法国的隐私监督机构CNIL今天说,这是因为Clearview违反了欧洲的《通用数据保护条例》(GDPR)。 在一份关于违...