什么是社交推荐

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。

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：

1. 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；
2. 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；
3. 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：

1. 我的好友A喜欢X，我和A关系密切，我大概率喜欢X；
2. 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：

1. 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；
2. 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。