Rekommendation Nation

Jag älskar böcker, jag gillar musik och jag har inget emot nyheterna. När jag får en länk till något som en vän tycker att jag borde läsa, höra eller se, tar jag det på allvar. Rekommendationer är avgörande för min livskvalitet.

Det är bra att jag känner så, för rekommendationer finns överallt på Internet. Var jag än handlar på nätet, får jag en del av min skärm att komma hit Kunder som köpte den här artikeln... . Popup-fönster och sammanhangskänsliga annonser har kompletterats med detta låga, förföriska viskande av automatiserade förslag. Sanningen är att jag nu får fler bra rekommendationer om fler saker, oftare, från Bayesianska algoritmer än från mina bästa vänner. Detta borde kanske göra mig längtansfull, men det gör det inte. Bättre teknik betyder inte sämre vänner.

Den här historien var en del av vårt majnummer 2008

• Se resten av frågan
• Prenumerera

Till skillnad från mänskliga rekommenderare förolämpar Apple.com, Amazon.com och Google.com mig aldrig genom att antyda att jag lägger min tid, pengar eller uppmärksamhet på fel saker. De ger helt enkelt relevanta – och ibland nya – rekommendationer baserat på mina tidigare val och de saker jag tar hand om i realtid. Fokus för digital personalisering har flyttats från det jag är intresserad av nu till det jag kan vara intresserad av härnäst. Alla val jag gör i stunden absorberas i en sfär av förslag där de, efter att de har viktats statistiskt, återföds som erbjudanden och råd.

Alltmer blir jag lika nyfiken på en sajts rekommendationer som på vad den säljer. Att en sida försöker sälja något annat till mig irriterar mig sällan. Tvärtom, jag gillar att internetföretag har dedikerat sådan uppfinningsrikedom, minne och processorkraft för att ge mig bra förslag. Men bra måste bli mycket bättre om rekommendationerna ska utökas utöver att berätta för mig vad jag skulle kunna gilla just nu.

Tänk på Amazon, vars webbplats visar några av de irriterande begränsningarna hos nuvarande rekommendationsmotorer. Företaget har varit en pionjär inom denna teknik sedan kort efter lanseringen 1995. Greg Linden, som nu arbetar hos Microsoft, hjälpte till att skriva Amazons första rekommendationsmotor, Instant Recommendations, som lyckades där ett äldre system som heter BookMatcher hade misslyckats. Motorn utvecklades stegvis. Vi lärde oss vad som fungerade och vad som inte fungerade genom att se hur ändringar i rekommendationerna hjälpte människor att hitta nya böcker, säger Linden. Vi tyckte om att hjälpa människor att upptäcka böcker som de förmodligen inte skulle ha hittat på egen hand. Det handlade aldrig om marknadsföring – bara att matcha människor till böcker de skulle älska. Men det visar sig att folk köper mer när du hjälper dem att hitta det de behöver.

Idag ger Amazon rekommendationer på basis av en kunds surf- och köphistorik, andra föremål som har setts eller köpts av kunder som har köpt produkten som visas och föremål som verkar relaterade till den produkten. På Amazon blir recensioner, rekommendationer och rankningar en viktig del av att surfa och shoppa. Till exempel när jag checkade ut Förutsägbart irrationellt , Daniel Arielys nya bok om uppenbarligen dysfunktionellt beslutsfattande, Kunderna som köpte det här föremålet köpte också ... strip tipsade mig om en kommande titel som jag aldrig hade hört talas om: Nudge, av beteendeekonomen Richard Thaler från University of Chicago och University of Chicago juridikprofessor Cass Sunstein. Klicka och jag är där. Det är just den typen av realtidsanslutning som gör Amazon-shopping överlägsen både personliga och online-alternativ.

Genomklickningar är valutan för rekommendationsnationen. Ju fler val du gör (eller vägrar att göra), desto mer finjusterade blir rekommendationerna. Ju mer dina kamrater interagerar med Amazon, desto bättre kan Amazons motorer sluta sig till vilka rekommendationer som är mest meningsfulla för dig och mest dollar för dem. Resultatet är att rekommendationer kan bli hisnande lönsamma exempel på vad ekonomer kallar nätverkseffekter, där ett nätverks värde är proportionellt mot antalet deltagare.

Men hur användbara dessa algoritmer än kan vara, är de också utsatta för plötsliga anfall av uppenbar blindhet. Det tjatar mig till exempel att Amazons rekommendationsmotorer inte på ett intelligent sätt särskiljer böckerna jag bläddrar i eller köper för jag från de jag bläddrar i eller köper som gåvor . Ja, jag kan klicka på en liten låda när jag köper något i present. Dessutom, om jag besöker My Amazon, finns det en flik som erbjuder mig att förbättra mina rekommendationer: på den långa rullningen av allt jag har köpt kan jag klicka på en ruta som säger Detta köptes som en gåva och en annan ruta som säger Don't använd för rekommendationer. Men dessa funktioner är långt ifrån uppenbara (jag upptäckte dem först när jag skrev den här recensionen, och jag använder Amazon a massa ). Inte heller använder Amazons motorer min historia av presentköp för att föreslå presenter till särskilda vänner. Skulle sådana förslag störa mig? Nej. Jag skulle faktiskt vilja att Amazon skulle göra det enkelt för mig att växla fram och tillbaka mellan att surfa för mig själv och att surfa efter andra. Jag skulle glatt välja att vara en rekommendationsbeta-användare om ett sådant alternativ skulle erbjudas – precis som jag skulle vara glad att ha en personlig shoppare som hjälper mig med kommande födelsedagar och helgdagar. Fråga bara snällt.

Olika problem dyker upp med rekommendationsmotorn Just for You på Apples iTunes, som introducerades 2005. Jag kan förlåta det faktum att mitt köp av Bohemian Rhapsody uppmanade Just for You att rekommendera Det bästa av Foreigner Live , men inte för att köpa Van Halens Dance the Night Away provocerade fram en rekommendation för Rush. Även om jag accepterar att rekommendationsmotorer har sina egna kvantitativa egenheter och excentriciteter, är dessa förslag bara hemska. Apples motor verkar ge eran mer vikt än genre, tempo eller stil. (En Apple-talesman som jag kontaktade avböjde att vara mer specifik om hur dess rekommendationsmotorer fungerar.)

Apples rekommendationsprogram är sämre än Amazons på andra sätt också. När jag köper en låt eller två från ett band, varför frågar motorn om jag vill köpa ett helt album från ett annat? Jag borde få individuella låtrekommendationer innan jag får albumförslag. Apples iTunes driver album och låtar: det känns som en svår försäljning. Jag vill bli förförd med ljud, inte kommersiellt överfallen. Få mig att prova – gratis förstås – en annan låt innan jag frågar om jag äger eller vill äga hela albumet. Om jag gillar låten så köper jag den. Ärliga!

Just for You-gränssnittet ser tillräckligt bra ut. Men som en interaktiv upplevelse är det missnöje. Till skillnad från Amazon känns sajten mer som en skivaffär som vill flytta produkt än en väns håla med stor musiksmak. Rekommendationsmotorer bör befria återförsäljare från dålig design av onlinebutiker, men iTunes-webbplatsen påminner mig om det jag gillar minst med shopping. Var är Jonathan Ive, Apples legendariska industridesigner, när vi behöver honom?

Trots dessa klagomål är min insats att rekommendationsalgoritmer och gränssnitt snabbt kommer att förgrena sig. I framtiden kanske Googles Gmail kommer att berätta för dig vem du ska vidarebefordra det brådskande e-postmeddelandet till, eller påminna dig om att hålla kontakten med en vän som du av misstag har ignorerat. Att kombinera Gmails sammanhangskänsliga annonsering med en anständig rekommendationsmotor skulle öka värdet av båda. Dessutom är det lätt att föreställa sig att Facebook föreslår vilken information som ska delas med vem – eller vem som ska dela mer med dig.

Framväxten av den sociala grafen (en abstrakt representation av de sociala kopplingarna mellan användare av digitala nätverk; se Between Friends, mars/april 2008) bör göra det möjligt för olika företags rekommendationsmotorer att samarbeta, erbjuda ekonomisk rådgivning, resealternativ och mer. Skulle det inte vara spännande att se vilka aktier och fonder som folk som du köpte? Kanske kommer dessa tekniker i slutändan att bli meta, med vissa startups som erbjuder rekommendationsmotorer som låter dig välja de bästa rekommendationsmotorerna för dig. Råd om rådgivning kan vara en bra affär.

Trots all min entusiasm över framtiden för rekommendationstjänster kan jag inte låta bli att känna som jag kände om sökning 2001. Befintliga rekommendationsmotorer har ett stort värde, men de är fortfarande primitiva. Skillnaderna mellan surfning och jämförelse (det vill säga mellan att titta på produkter och välja mellan dem) är dåligt förstådda. Vi har ännu inte sett hur användargenererade taggar gör produkt- och tjänstebeskrivningar mer exakta och användbara. Ju mer specifik, explicit och tidskänslig taggen är, desto bättre blir de potentiella rekommendationerna.

Smarta människor över hela världen arbetar med dessa problem. Miljarder dollar står på spel. Netflix erbjuder en miljon dollar till alla som kan förbättra effektiviteten hos dess (exceptionellt framgångsrika) rekommendationsmotor. Det är ett litet pris att betala för ett företag vars framtid beror på dess förmåga att konkurrera med Blockbuster och framtidens digitala videoleveransföretag. Det är ett intressant och viktigt problem, eftersom det inte bara är individer som tittar på filmerna, utan par, familjer och vänner. Kanske kommer den vinnande algoritmen att optimeras för gruppers preferenser.

När jag får bra rekommendationer spenderar jag min tid och pengar annorlunda. Ännu bättre rekommendationer kommer att dramatiskt öka värdet av den tiden och pengarna. Det är en digital framtid jag längtar efter och förväntar mig. Jag hoppas att internetinnovatörer tar mina rekommendationer lika seriöst som jag tar deras.

Michael Schrage är konsult för innovation, forskare vid MIT:s Sloan School och författare till Serious Play: Hur världens bästa företag simulerar för att förnya sig .

Dölj