Anbefaling Nation

Jeg elsker bøger, jeg kan godt lide musik, og jeg gider ikke nyhederne. Når jeg får tilsendt et link til noget, en ven synes, jeg skal læse, høre eller se, tager jeg det alvorligt. Anbefalinger er afgørende for min livskvalitet.

Det er en god ting, jeg har det sådan, for anbefalinger er overalt på internettet. Uanset hvor jeg handler online, er der et stykke af min skærm, der tilskynder mig til at komme hertil Kunder, der har købt denne vare også... . Pop-ups og kontekstfølsomme annoncer er blevet suppleret med denne lave, forførende hvisken af ​​automatiseret forslag. Sandheden er, at jeg nu får flere gode anbefalinger om flere ting, oftere, fra Bayesianske algoritmer end fra mine bedste venner. Måske skulle dette gøre mig længselsfuld, men det gør det ikke. Bedre teknologi betyder ikke dårligere venner.

Denne historie var en del af vores maj 2008-udgave

• Se resten af ​​problemet
• Abonner

I modsætning til menneskelige anbefalere fornærmer Apple.com, Amazon.com og Google.com mig aldrig ved at antyde, at jeg bruger min tid, penge eller opmærksomhed på de forkerte ting. De kommer simpelthen med relevante – og nogle gange nye – anbefalinger baseret på mine tidligere valg og de ting, jeg tager mig af i realtid. Fokus for digital personalisering er flyttet fra det, jeg er interesseret i nu, til det, jeg kunne være interesseret i næste gang. Alle de valg, jeg træffer i øjeblikket, optages i en forslagssfære, hvor de, efter at de er blevet statistisk vægtet, genfødes som tilbud og råd.

I stigende grad finder jeg mig selv lige så nysgerrig efter et websteds anbefalinger, som om, hvad det sælger. At et websted forsøger at sælge mig noget andet irriterer mig sjældent. Tværtimod kan jeg godt lide, at internetvirksomheder har dedikeret en sådan opfindsomhed, hukommelse og processorkraft til at give mig gode forslag. Men god skal blive meget bedre, hvis anbefalinger skal udvides ud over at fortælle mig, hvad jeg kunne tænke mig lige nu.

Overvej Amazon, hvis websted viser nogle af de irriterende begrænsninger af nuværende anbefalingsmotorer. Virksomheden har været en pioner inden for denne teknologi siden kort efter lanceringen i 1995. Greg Linden, som nu er hos Microsoft, hjalp med at skrive Amazons første anbefalingsmotor, Instant Recommendations, som lykkedes, hvor et ældre system kaldet BookMatcher havde fejlet. Motoren udviklede sig trinvist. Vi lærte, hvad der virkede, og hvad der ikke gjorde, ved at se, hvordan ændringer i anbefalingerne hjalp folk med at finde nye bøger, siger Linden. Vi nød at hjælpe folk med at opdage bøger, de sandsynligvis ikke ville have fundet på egen hånd. Det handlede aldrig om markedsføring – bare at matche folk til bøger, de ville elske. Men det viser sig, at folk køber mere, når du hjælper dem med at finde det, de har brug for.

I dag laver Amazon anbefalinger på grundlag af en kundes browsing- og købshistorik, andre varer, der er set eller købt af kunder, der har købt det produkt, der bliver set, og varer, der ser ud til at være relateret til det pågældende produkt. På Amazon bliver anmeldelser, anbefalinger og placeringer en væsentlig del af browsing og shopping. For eksempel mens jeg tjekkede ud Forudsigeligt irrationel , Daniel Arielys nye bog om tilsyneladende dysfunktionel beslutningstagning, Kunderne der købte denne vare købte også … strip tippede mig til en kommende titel, jeg aldrig havde hørt om: Nudge, af University of Chicago adfærdsøkonom Richard Thaler og University of Chicago juraprofessor Cass Sunstein. Klik, og jeg er der. Det er netop den slags realtidsforbindelse, der gør Amazon-shopping overlegen i forhold til både personlige og online-alternativer.

Click-throughs er valutaen for anbefalingsnationen. Jo flere valg du træffer (eller afslår at træffe), jo mere finjusterede bliver anbefalingerne. Jo mere dine jævnaldrende interagerer med Amazon, jo bedre kan Amazons motorer udlede, hvilke anbefalinger der giver mest mening for dig og flest dollars for dem. Resultatet er, at anbefalinger kan blive betagende rentable eksempler på, hvad økonomer kalder netværkseffekter, hvor et netværks værdi er proportional med antallet af dets deltagere.

Men lige så nyttige som disse algoritmer kan være, er de også udsat for pludselige anfald af tilsyneladende blindhed. Det mærker mig for eksempel, at Amazons anbefalingsmotorer ikke på intelligent vis skelner mellem de bøger, jeg gennemser eller køber til jeg fra dem jeg gennemser eller køber som gaver . Ja, jeg kan klikke på en lille æske, når jeg køber noget som gave. Derudover, hvis jeg besøger My Amazon, er der en fane, der tilbyder at forbedre mine anbefalinger: på den lange rulle af alt, hvad jeg har købt, kan jeg klikke på en boks, hvor der står Dette blev købt som en gave og en anden boks, hvor der står Ikke bruge til anbefalinger. Men disse funktioner er langt fra indlysende (jeg opdagede dem kun ved at skrive denne anmeldelse, og jeg bruger Amazon en masse ). Amazons motorer bruger heller ikke min historie med gavekøb til at foreslå gaver til bestemte venner. Ville sådanne forslag forstyrre mig? Nej. Faktisk vil jeg gerne have, at Amazon gør det nemt for mig at skifte frem og tilbage mellem at søge efter mig selv og at søge efter andre. Jeg ville med glæde vælge at være en anbefalingsbetabruger, hvis en sådan mulighed blev tilbudt – ligesom jeg ville være glad for at have en personlig shopper til at hjælpe mig med fødselsdage og helligdage. Bare spørg pænt.

Forskellige problemer dukker op med Just for You-anbefalingsmotoren på Apples iTunes, som blev introduceret i 2005. Jeg kan tilgive, at mit køb af Bohemian Rhapsody bedt Just for You at anbefale Det bedste fra Foreigner Live , men ikke at købet af Van Halens Dance the Night Away fremkaldte en anbefaling til Rush. Selvom jeg accepterer, at anbefalingsmotorer har deres egne kvantitative særheder og excentriciteter, er disse forslag bare forfærdelige. Apples motor ser ud til at give mere vægt til æra end den gør til genre, tempo eller stil. (En Apple-talsmand, som jeg kontaktede, afviste at være mere specifik om, hvordan dens anbefalingsmotorer fungerer.)

Apples anbefalingssoftware er også værre end Amazons på andre måder. Når jeg køber en sang eller to fra et band, hvorfor spørger motoren, om jeg vil købe et helt album fra et andet? Jeg bør få individuelle sanganbefalinger, før jeg får albumforslag. Apples iTunes skubber album og sange: det føles som et hårdt salg. Jeg ønsker at blive forført lydmæssigt, ikke kommercielt overfaldet. Få mig til at sample – selvfølgelig gratis – en anden sang, før jeg spørger, om jeg ejer eller vil eje hele albummet. Hvis jeg kan lide sangen, køber jeg den. Ærlig!

Just for You-grænsefladen ser pæn nok ud. Men som en interaktiv oplevelse er det ubehageligt. I modsætning til Amazon føles siden mere som en pladebutik, der ønsker at flytte et produkt, end en vens hule med stor musiksmag. Anbefalingsmotorer bør befri detailhandlere fra dårligt design af onlinebutik, men iTunes-siden minder mig om det, jeg mindst kan lide ved at shoppe. Hvor er Jonathan Ive, Apples legendariske industrielle designer, når vi har brug for ham?

På trods af disse klager er mit bud, at anbefalingsalgoritmer og grænseflader hurtigt vil forgrene sig. I fremtiden vil måske Googles Gmail fortælle dig, hvem du skal videresende den presserende e-mail til, eller minde dig om at holde kontakten med en ven, som du uforvarende har ignoreret. At kombinere Gmails kontekstfølsomme annoncering med en anstændig anbefalingsmaskine ville øge værdien af ​​begge. Hvad mere er, er det nemt at forestille sig, at Facebook foreslår, hvilke oplysninger der skal deles med hvem – eller hvem der skal dele mere med dig.

Fremkomsten af ​​den sociale graf (en abstrakt repræsentation af de sociale forbindelser mellem brugere af digitale netværk; se Between Friends, marts/april 2008) skulle gøre det muligt for forskellige virksomheders anbefalingsmotorer at arbejde sammen og tilbyde økonomisk rådgivning, rejsemuligheder og mere. Ville det ikke være spændende at se, hvilke aktier og fonde folk som dig købte? Måske vil disse teknologier i sidste ende blive meta, med nogle startups, der tilbyder anbefalingsmotorer, der lader dig vælge de bedste anbefalingsmotorer til dig. Rådgivning om rådgivning kan være en god forretning.

På trods af al min begejstring over fremtiden for anbefalingstjenester, kan jeg ikke lade være med at føle, som jeg havde det med søgning i 2001. Eksisterende anbefalingsmotorer har meget værdi, men de er stadig primitive. Forskellene mellem browsing og sammenligning (det vil sige mellem at se på produkter og vælge mellem dem) er dårligt forstået. Vi har endnu ikke set, hvordan brugergenererede tags gør produkt- og servicebeskrivelser mere præcise og nyttige. Jo mere specifik, eksplicit og tidsfølsom tagget, jo bedre vil de potentielle anbefalinger være.

Smarte mennesker over hele verden arbejder på disse problemer. Milliarder af dollars er på spil. Netflix tilbyder en million dollars til enhver, der kan forbedre effektiviteten af ​​dens (exceptionelt succesrige) anbefalingsmotor. Det er en lille pris at betale for en virksomhed, hvis fremtid afhænger af dens evne til at konkurrere med Blockbuster og fremtidens digitale videoleverandører. Det er et interessant og vigtigt problem, fordi det ikke kun er enkeltpersoner, der ser filmene, men par, familier og venner. Måske vil vinderalgoritmen blive optimeret til gruppernes præferencer.

Når jeg får gode anbefalinger, bruger jeg min tid og penge anderledes. Endnu bedre anbefalinger vil dramatisk øge værdien af ​​den tid og pengene. Det er en digital fremtid, jeg higer efter og forventer. Jeg håber, at internetinnovatorer tager mine anbefalinger lige så alvorligt, som jeg tager deres.

Michael Schrage er innovationskonsulent, forsker ved MIT's Sloan School og forfatter til Serious Play: Hvordan verdens bedste virksomheder simulerer at innovere .

skjule