新數字時代公司最顯著的特徵之一是提供可行建議的能力。通常，這些數字優先公司的競爭優勢與推薦引擎的準確性相關。
想想那些徹底改變了各自行業的公司。無論是Netflix、Spotify 還是亞馬遜，它們最初都將推薦引擎作為其客戶參與度和忠誠度的主要工具。 Spotify 能夠以前所未有的準確度發現你將享受的新音樂的方式，而無需你的任何可見輸入，這就是使其在競爭中脫穎而出的原因。隨著時間的推移，它會變得更加智能和準確，從而實現永無止境的價值創造循環。
在許多方面，推薦系統允許維持不斷增長的新信息、產品和服務流。每天在Spotify 上上傳60,000 首歌曲，每分鐘在YouTube 上上傳超過500 小時的內容，在Instagram 上每天上傳數千萬張照片，因此很難就下一步購買、觀看和消費甚麼做出明智的決定. 能夠以有意義的方式瀏覽這些豐富的內容感覺就像一種超級大國，這正是客戶傾向於選擇這些服務而不是其他服務的原因。
推薦操作
數字也很能說明問題。例如，Netflix 聲稱人們觀看的電影中有四分之三來自個性化推薦。在這種情況下，推薦系統對人們的選擇產生了無與倫比的影響。一個不可避免且極其棘手的問題出現了：這些建議中有多少是公平和公正的？鑑於大多數預測分析顧問和機器學習工程師都同意完全消除人工智能的偏見幾乎是不可能的，那麼這些建議到底有多公平？更重要的是，推薦可以被操縱嗎？
本質上，操作推薦系統的輸出對於工程師來說是很容易的。 2018 年，德雷克新專輯的發行打破了Spotify 的單日流媒體記錄。雖然德雷克的巨大人氣是不可能的，但許多人將他的成功歸功於Spotify 精心策劃的“面對面”促銷活動。不僅這位藝術家的新歌出現在包括“Ambient Chill”和“Best of British”（德雷克是加拿大藝術家）在內的所有播放列表中，而且許多用戶報告說德雷克在他們的推薦中出現的次數過多。雖然我們永遠不會知道Spotify 在幕後到底做了什麼，但有很多因素表明這是一次付費促銷。雖然廣告沒有錯，但將其偽裝成推薦引擎輸出感覺不公平。
我們能做點什麼嗎？這似乎不太可能。儘管Drake 的陰暗策略引起了用戶的強烈反對和媒體的廣泛報導，但Spotify 的用戶群從那時起年復一年地穩步增長。
全面做出更好的選擇
推薦引擎的使用遠遠超出了將客戶吸引到某個平台的範圍； 這也是為了做出更好的商業決策。未來幾年，營銷人員、品牌經理、人力資源專業人員、用戶體驗設計師和文案人員的工作將越來越多地被不同類型的推薦系統所增強。從本質上講，這些系統是你的傳統數據分析平台，重新設計為更加方便和用戶友好的數字顧問。
這個過程不是通過分析數據來手動確定哪種類型的營銷活動最適合特定目標受眾，而是類似於在亞馬遜上探索建議。類似於以下內容：“對此類廣告做出積極反應的客戶群體也點擊了此廣告”或“與2 比1 促銷活動相比，此目標群體被高級優惠吸引的可能性高80%”，等等。
同樣，IBM 的Watson Tone Analyzer 之類的工具可以審查高管在公司範圍內發送的有關組織結構變化的電子郵件，並提出某些修改建議，使其更加清晰、透明和鼓舞人心。根據選定的目標群體，撰稿人將收到有關單詞選擇的建議。 UI 設計師將收到基於數據的建議，說明哪種字體更適合特定類型的應用程序。同樣，當今市場上有許多此類工具可用，只是它們需要提供對消費者更友好的體驗。
是時候停止將推薦系統僅與電子商務相關聯了。推薦引擎不僅可以用來推薦產品，還可以提供基於數據的建議，幫助簡化決策。隨著ML 和AI 的不斷創新，推薦系統肯定會繼續超越消費者和員工的體驗。
資訊來源：由0x資訊編譯自DATADRIVENINVESTOR，版權歸作者Andrey Koptelov所有，未經許可，不得轉載