分类： 大数据
2016-12-30 14:53:24
推荐本质上并不是一个很新的话题。从很早开始，尤其从互联网出现之后，大家面临一个问题，我们怎么样从海量的数据里获得自己需要的内容？这实际上也经历了很长的过程，最开始的时候并不是推荐，而是分类导航。做分类导航最好的公司就是雅虎，那个时候互联网的数据还不是特别多，可以通过人工或者一些简单的分类方法整理出一个目录出来，大家就可以按这个目录一层层往下走，比在原来在网上找好很多。但分类导航由于分类的标准不一样，人和人认知的差异性，后来谷歌的出现促使了雅虎在这个领域的沉寂。
搜索就是下一代解决从海量数据中获取信息的方法。只要知道想要什么，就可以通过搜索拿到八九不离十的结果，但前提是你想要知道你想要什么。很多时候你不知道想要什么，比如看淘宝、新闻，没看新闻之前一定不知道我想了解什么东西。所以搜索是一种主动获取信息的方式。
搜索之后会有一些新的东西出来，比如个性化推荐，它是建立在对用户兴趣或者爱好了解的基础上，有针对性的展示一些内容。时代一直在发展，今天已经进入了移动时代，移动时代最大的好处是我们可以通过手机，随时随地的了解各种各样的信息，随时随地的上网，坏处是手机的屏幕实在太小了，不管做分类也好还是搜索也好，都不是特别的方便。所以在移动的时代，推荐一定是未来下一个爆发点。总的来说，从分类到搜索到推荐，本质上都是为了解决信息过载的问题。
搜索引擎
到了今天这个时代，推荐一定会发挥更大的作用，但这里有一个问题，比如搜索、广告、推荐，这是整个互联网在大数据领域几个经典的应用，作为搜索来讲，这个体系的架构已经非常清晰了。比如有一个用户首先有一个query进来，构建一个解析，有一个索引，之后会有一些数据的准备等等，最后再采集用户的行为，最后产生这样的数据闭环。如果自己想搭一个搜索引擎的话也很简单，有各种各样开源的东西可以用。如果不想用开源的话，还有很多搜索的服务，比如谷歌、百度、Bing，在自己的网站内嵌一个他们的服务也很方便，这一块都已经非常成熟。
广告也同样，整个体系架构是在用户和广告商之间搭了一个桥，用户看到媒体，媒体通过SSP、ADX和广告需求结合起来，DMP提供数据方面的支持，相当于用户画像的支持。
