《移动互联网创业计划书.doc》由会员分享，可在线阅读，更多相关《移动互联网创业计划书.doc（31页珍藏版）》请在三一办公上搜索。
1、项目计划书1、问题是什么？（事业描述。必须描述所要进入的是什么行业，卖什么产品(或服务)，谁是主要的客户，所属产业的生命周期是处于萌芽、成长、成熟还是衰退阶段。还有，企业要用独资还是合伙或公司的形态，打算何时开业，营业时间有多长等。）1） 移动互联网时代，智能设备是主要的应用设备移动互联网时代：手机网民数量将在2013年超越电脑网民。DCCI2010上半年中国互联网调查数据显示：预计在2010年末，中国互联网电脑网民规模将达到4.69亿，而手机网民的数量也将达到3.26亿。3G时代的到来，使手机网民的规模将在未来三年内有突飞猛进的增长趋势；DCCI预测，到2013年，中国手机网民将达7.20亿
2、，首次超越电脑网民。中国市场：移动智能终端的迅速普及，智能手机出货量将在2012年超越PC出货量，2013年将超越功能手机。DCCI2010上半年中国互联网调查发现：在技术发展、造价走低和移动市场喷发的三驾马车的驱动下，中国智能手机的出货量年内将超越电视，2011年出货量将达8424万台，略低于PC出货量（8569万台），2012年则超越PC出货量。2013年智能手机出货量将超过功能手机出货量，成为移动互联市场最主流的第三屏，而这一个个超越的炫音将构成移动互联网到来的奏鸣曲移动互联网终端超越：智能手机销量指数式上升，2011年销量超PC，2013年超越非智能手机DCCI 2011中国互联网调查
3、显示：智能手机销量将在2011年超越PC，在5年之内手机市场格局就将彻底颠覆，智能手机销量将在2013年超越非智能手机，份额达51%，非智能手机将逐渐淡出市场，智能手机将成数字时代第一屏。2） 智能设备使用主要服务模式是应用开放下的智慧终端时代：Android领跑智能终端OS时代， APP王者降临DCCI 2011中国互联网调查显示：2010-2011年间，Android全球市场份额超越iPhone，从市场上证明了开放的潮流是大势所趋；从用户对智能手机功能的偏好来看，应用程序的扩展能力最为重要；不具有良好的扩展应用程序的智能手机，将被替代。各手机厂商争先恐后地通过移动应用商店、手机应用内置等方
4、法提供移动应用，恰恰印证了架构与整合移动应用将成为手机厂商在智能手机、互联网手机上最重要的发展方向。DCCI的调研发现，用户对手机应用/软件的付费意愿较高，仅有不到三分之一的用户表示只用免费版的应用，智能终端进入APP为王的时代。应用的移动化仍需跨越资费制约：手机上网仍以轻应用为主，社交应用迅速发展；资费问题尚待解决DCCI 2011中国互联网调查显示：阅读、即时通讯、搜索、下载、音乐分列主要应用前五位，社区、网游2008年以来增幅明显；极为占用流量的视频虽然增长较为迅速，但有略微放缓的势头。总的来看，中国的手机上网的应用主要以轻应用为主（流量占有较少的），资费依然是限制手机上网的较大阻力。从
5、手机用户每月上网的流量分布可看出，流量在50兆以下的占了超过7成，可见，中国手机用户上网的资费预算仍非常低，资费问题成为手机视频等相对耗流量的应用的发展阻力App大于浏览器 ：移动互联网和智能手机上，App比浏览器有前途。这个领域特点：随时：操作时间稍纵即逝（等个电梯上个厕所）；用户也更加普通（从00后到老奶奶）。资源受限制（计算能力，显示面积，网络速度等等）。移动应用更强调体验，更强调资源利用效率。本地App能直接的访问特定应用，容易为用户优化，资源利用的效率更高。PC在资源受限的时代也一样。比如流行一时的本地邮件程序。今天，PC上却呈现出Web应用代替本地程序的趋势。智能手机上资源的限制会
6、改善，其他方面却未必。他今后应该有比PC更多的可能性。App的兴起恐怕才刚刚开始。今后，也未必会向PC那样渐渐放弃本地程序。App中的浏览器，浏览器中的App不过手机浏览器也谈不上死了。 iPhone App一直提供在程序内调用浏览器(UI Web View)的功能。今天不少iPad App，在App中直接显示HTML5内容。Twitter客户端放出类似这种字符串来搜索“另一方面。Flash也可以算浏览器中的App。HTML5的吃豆游戏，也可以冒充一下。除此之外，Google还在发展更正宗的“浏览器中的App”：Chrome Native Client。（他的前途是另外的故事。）浏览器和App
7、不是对头，更象是你中有我我中有你的好兄弟。想象一下，未来的某一天。你在Twitter for Android中点一个URL（App）。Chrome引擎出现，用来显示网页（App中的Web）。然后网页中的Native Client App游戏加载(App中的Web的App)。游戏结束后，Native Client App显示了你在Facebook上汇总游戏成绩的网页(App中的Web的App的Web)。“App中的Web的App的Web”这句话本身就可以证明：区分浏览器和App有时能多可笑。3） 应用已经数量比较多，如何把人和应用进行匹配就变得越来越有价值应用数量越来越多：到2010年底，苹果i
8、Tunes商店有约30万个应用，Android Market应用数量增至12万个，诺基亚Ovi应用商店应用数量增至2.5万个，而黑莓App World应用数量也增至1.8万个。iTunes应用数量翻了一番，但规模较小的应用商店增长更为惊人。Android应用数量增长544%，黑莓应用增长了268%，诺基亚应用也增长了258%。 使用者找到应用越来越困难：1） 有朋友看到我有一个好的应用，问我，如何给他试一试？现在我要么告诉他在那个网址，或者那个商店上有，让朋友之间登录网页或者商店去找，如果在一个商店没有还得到另外的商店去找。当然还有一些显存的办法，通过U盘，或者是BT，邮件都可以的。后面几张办
9、法是把自己的应用本体传给朋友。2） 我有一个好的应用如何跟我的朋友分享？是的啊，现在我们可以使用微博和SNS比较好的分享意见想法和看到的文章，消息，但是我们使用的很好的工具和应用还没有较为便捷的方式来分享。这个事让我有点沮丧。3） 我的朋友或者父母说，你有什么好东西，我也想都装上试一试。现在应该还没有这样的办法。只有是把所有的应用都一个一个抄给他，然后他自己到网站或者商店上去下载安装。可是你知道的，他们对手机/PAD去下载应用这个事情都很“白痴”，那该怎么办？现在是无计可施吧。4） 如果有好的应用，有什么使用上的感受，好的地方，有需要改善的地方。我很想告诉你（应用的开发者），可是，我都不知道怎
10、么让你知道。我很无奈。其实我真的想和你交流一下我对你这个创意的一些建议和想法。但是我们人海两茫茫。5） 还有，就是现在APP Store，Android Market上的应用那么多，我怎么找到自己喜欢的应用啦？一头茫然了。6） 还有应用商店，特别是针对Android的系统的商店之多，各个商店都有什么啊？如何去找到那个商店里面有我要的东西？这个我都觉得有点难，有时候有点瞎猫碰死耗子的意思。因此，使用人群的扩大和应用的数量的扩大，如何把应用和人配对就变得越来越有价值了。当然应用和Web也不是绝对，非此即彼的说到移动互联网的未来，是像web一样，“桌面+浏览器”，还是以Apple为代表的“平台+Ap
11、p”模式，业界各种观察一直扑朔迷离两家公司，Moovweb和Velocitude,其核心模式都是根据用户使用的移动终端，自动将传统Web网站转化为相应的Mobile版本。这种模式倒不新鲜，国内Ucweb已早就开始做了，也基本满足了手机用户的网页体验Velocitude的想法是，在常规网站的基础上开发App，再根据移动设备的终端做适配，Mooweb更是在官网上宣布经过它的服务优化的网页已经达到了24亿Techcrunch：The Mobile Web Was Born Only YesterdayTechcrunch创始人Michael认为Mobileweb才刚刚诞生，将web转为到moblie
12、web同样不具备意义，因为未来人们都会拥有宽屏幕和全键盘的智能机，Iphone更是从交互上革新了手持设备的意义，用户的操作变地非常直接。相反，积极地在这些平台上开发有价值的应用，才是未来的方向，Michael也对基于地理位置信息的应用表达了浓厚的兴趣。这里还有一份Taptu的研究报告，结论是：对触摸友好的移动网站的数量，远高于各种移动平台的App数量，占到65%。2. 你的解决方案？（产品/服务。需要描述你的产品和服务到底是什么，有什么特色，你的产品跟竞争者有什么差异，如果并不特别为什么顾客要买）为了解决应用和人之间的对应问题，有以下几种方案1） 应用商店-比如APPle的APP Store，
13、 Android的Android Market，掌上应用汇，设备商的应用商店2） 社区论坛和下载网站EOE、机峰和蚂蚁网、太平洋手机下载网站，手机中国下载网站3） 搜索Souapp4） 应用推荐和分享应用商店商店类型和应用数量众多，搜索方式也很不友好，经常不知道怎么找要求会查看，会搜索成熟模式社区论坛下载网站需要较强的IT能力，才知道如何寻找到合适的应用要求极高的IT能力成熟模式搜索应用不知道如何输入关键词，关键词匹配成功率和命中率较低搜索不匹配的问题很让人失望发展中推荐和分享通过朋友的口碑和网络人员的评价，并与使用者的个人需要进行匹配的推荐模式朋友推荐解决不知道用什么和从哪里找的的问题发展中
14、推荐+分享模式1） 应用自己不能说话：应用是一个不是很好被搜索到的实体，不像网页，不能被解读，需要外部解读能力，所以通过其他使用者和生产者的评价才可以确定应用的使用价值，因此推荐+分享是最好的推广和获取模式2） 应用被使用，使用者和生产者都会对好的服务进行宣传和分享的潜在的动力。因此可以借用人对好东西，有分享好的体验的需求，3） 推荐和分享也是当下互联网服务的潮流的模式。网页分享导致了网页更好，更多的被阅读。亚马逊的书通过推荐，导致了更多更广的购买。4） 国外有一些专门做推荐+分享的服务，也得到了使用者的好评。StumbleUpon Android App推荐功能发布摘要: 在鸟人网商业产品栏
15、目，介绍了 StumbleUpon网站 之后，今天 2011.1.3日，StumbleUpon 宣布社交媒体social media 流量超越Facebook。数据统计分析公司 Statcounter 公布了这一消息。 在2011.1.1日，StumbleUpon拥有 43% 美国社交媒体流量，而Facebook占有 38%总流量，StumbleUpo.据最新消息称“推荐引擎 StumbleUpon”于两周前更新了其Android 版，新增了App 推荐功能。仅仅过了两周，该功能就获得了相当客观的成绩：已经像用户推荐了一百万次应用程序。StumbleUpon Android App推荐功能为用
16、户全面推送各种App，在这里你将找到你所需要的一切。欢迎用户强烈围观！考虑到Android Market 已经有超过10万种应用程序，有这样一个很好的App 推荐引擎是相当有效的。它会根据你手机上已经安装的应用程序，给你推荐你可能感兴趣的应用程序。而推荐的应用程序的来源不仅是Android Market，也有互联网上的应用程序。StumbleUpon表示，目前有25%的用户请求是关于应用程序推荐的。另外，自Android App 推荐功能发布后，Android版 StumbleUpon 的下载量已经翻倍。目前，用户使用StumbleUpon 发现的应用程序排行为：-Angry Birds- C
17、amera 360- Google Sky Map苹果在程序推荐上已领先，但总体来说程序推荐服务仍有改进空间。Chomp、Appsfire和AppsHQ这些第三方服务提供商都在试图让发现应用的过程能够更简单和更社交化，不过难度都在增加。除了发布iPhone 和Android程序，StumbleUpon在在线视频推荐引擎的开发上加大力度。该服务如今已拥有1200万用户，其中约百分之五是手机用户。Android程序推荐功能推出，这个数字应该会增加5） 移动应用推荐服务对开发者的帮助手机应用的大量涌现，伴生了应用筛选、排名和推荐等各种需求，也带动了iTunes App Store和Android应用
18、商店之外的独立应用推荐网站和服务力量的成长。要从如此之众的应用中顺利淘宝，用户从这些官方应用商店转向其他应用搜索工具寻求帮助也就成为必然选择。对终端用户而言，这类第三方应用推荐网站非常管用，有时甚至是很有必要。但对开发商而言，这些网站究竟有无益处，作用又有多大呢？为此，我们专门向这类网站的一些高管了解了相关情况。这些网站都有各自的功能设置和排名算法，比如说有些网站给应用排名时，不但会考虑应用的知名度，媒体曝光率也会统计入列。还有一些则使用综合统计方法，会根据开发商的应用数量和用户评论进行排名。以下是搜集到的一些应用推荐网站或应用搜索服务工具：AppStore HQ该网站可用于搜索Android
19、、iPhone、iPad，甚至是基于网页HTML的应用。在这里用户可以找到在新闻或博客上最热门、Twitter上最走红的应用，而且还提供用户评论。目前该网站每月有83万6000次的访问量。网站CEO及联合创始人克里斯德沃尔（Chris DeVore）为我们提供了一些有关应用下载情况的数据，从中可以看出，在该网购买广告支持的应用所收获的下载量是一般应用的28倍。这也表明，如果要吸引用户关注，拉动下载量，在该网买个广告位和登上该网所评选的“前100名最热门应用”排行榜一样有效。该网站还有其他的一些统计方法：以100为基数，根据关键词排序，相关数据如下：1. 获得用户关注的应用平均每周浏览次数：10
20、02. “前100名最热门应用”的平均每周浏览次数：5793. 购买广告支持的应用平均每周浏览次数：6314. 曾获下载的应用平均每周下载次数：1005. “前100名最热门应用”平均每周下载次数：2506. 购买广告支持的应用平均每周下载次数：2867 Appolicious该网站与雅虎是合作伙伴，主要推荐iPhone、iPad、Android和Yahoo应用程序，使用的统计算法包括用户评论、“喜爱”（该网站自己的功能，不与Facebook上的同名功能混淆）和好友推荐等要素。用户可以追踪查看好友在该网站所下载安装的应用。然后当用户登陆时，该网站会根据用户喜好、用户已安装应用等其他提示性信息，
21、推荐新款应用。网站CEO艾伦沃姆斯（Alan Warms）表示，该网站每天10%的用户访问量，都会促进一款应用下载。该网站的编辑推荐版块所提到的应用最受欢迎，但该版块并不发表用户评论，而是编辑对该应用的特色描述。在该版块中的应用及其他像愤怒鸟这类声名远扬的应用，下载量总比网站上其他产品要多5倍。另外，新款应用刚刚在该网站露脸时，也很容易的获得10到15倍的下载量。 ChompChomp是一款以个性化推荐方式搜索iPhone应用的引擎工具，发布于今年1月份。在应用发行到一定数量时，开发商可通过Chomp迅速获知用户对相关应用产品的评价。该网站所推荐的应用都有各自页面，内容包括视频截图、功能描述和
22、iTunes用户评价。Chomp会对这些评价进行整理，积极评价用红心表示，负面评价用破碎的心表示，然后再统计出该应用的总体得分情况，由此判断该产品总体上是积极面明显，还是消极面更占上风。Chomp和Appolicious都曾经上过华尔街日报的版面，但不幸的是，Chomp并不愿意透露相关数据。 AppsFireAppsFire与其他网站并不太一样，它不但是一个网站，同时也是一款iPhone应用，支持用户搜索和分享强大的应用。该网联合创始人 Ouriel Ohayon表示，AppsFire的应用开发商页面每月点击量为150万次（他们称这是意向型应用下载），“这是关系到应用下载量的唯一要素。”Oha
23、yon还称该网站的长处之一在于，可以在数小时内改变应用在iTunes App Store中的排名，该网与“Say it & Mail it Recorder”的合作就是其中一例，他们将该应用的价格在短时间内调整为零，使应用下载量迅速膨胀。另外一例是该网与“Beautiful Panoramas”联手，使应用在不到3小时内即跻身前50名应用排行榜，并在iTunes的摄影应用列表中一举夺得亚军。除此之外，AppsFire 的广告服务也非常出色。 Smokin AppsSmokin Apps主要推荐iPhone、Android、Blackberry、Nokia、Palm和Windows Mobile
24、平台的顶级手机应用。该网站刚刚卖给新东家，目前正处于转型时期。尽管该网站不像Appolicious那样与雅虎有品牌连襟的优势，但在该网露脸的应用所斩获的下载量也很惊人。该网站的应用搜索引擎，会根据用户已下载的应用，找到用户可能会喜欢的类似产品，然后结合其他用户的对该产品的评价，为用户进行个性化推荐。该网站高管阿什康威（Ash Conway）提供了今年以来综合浏览量最多的10款应用（详见下表），依次是应用名称、综合浏览量（PV）、下载量（DL）及付费或免费状态。1. Words with Friends：PV30620次/DL252次/付费2. Chase Mobile: PV16578次/DL
25、3061次/免费3. Police Scanner: PV15351次/DL499次/付费4. Scrabble: PV13023次/DL1776次/付费5. Talking Carl: PV12712次/DL456次/付费6. Hipstamatic: PV10550次/DL209次/付费7. Red Laser PV5553次DL176次/付费8. Zynga出品的Live Poker: PV3485次/DL476次/付费9. Ootunes: PV3430次/DL59次/付费10. Text Plus: PV3200次/DL741次/免费比单纯向主流手机应用商店发售产品更有助于增加下载量
26、。如果通过Smokin Apps这样的小型网站也可以收获成千上万的浏览量，那么更大规模的应用推荐网站就更不在话下了。3、商业模式？（市场首先需要界定目标市场在哪里，是既有的市尝既有的客户，还是在新的市场开发新客户。不同的市场不同的客户都有不同的营销方式。在确定目标之后，决定怎样上市、促销、定价等，并且做好预算）应用推荐和分享，本质上帮助使用者和应用建立桥梁。所以，这个功能的核心价值就是流通渠道的价值，如何让商品更好更快的流动到使用者的手上。为了提升工具的服务价值，增加粘性，还配套开发应用管理功能，从应用服务的管理+推荐并举的模式来吸引使用者 因此，其主要的目的商业模式就是工具服务免费模式，让使
27、用者免费使用。使用量的多少是其成功的标准：1） 一个方面是使用者：a) 使用智能手机，帮助更好使用应用，体验智能手机的快乐i. 手机控的朋友是第一批使用者ii. 手机获得更多帮助的朋友b) 但是希望获得更多应用服务的使用者。c) 愿意分享使用体验的使用者2） 一个方面是应用开发者a) 应用开发商b) 服务型应用的开发商其收益的主要来源于广告和其他的收益：价值主张：a) 免费的基础服务其广告价值三个方面的增值：1） 对最终用户的精确分析和喜好程度的估计，达到更准确的投入服务应用2） 让各种应用都找到合适的主人。 广告客户 投放隐广告(AdPull)：根据用户正在做什么、所在地理位置，有针对性的推
28、送服务4、潜在力量/技术？拥有世界一流的推荐技术和智能搜索技术，以及对移动互联网服务和应用有深刻理解的团队在运作。推荐技术介绍：智能搜索技术介绍：参考文献：基于LUCENE实现自己的推荐引擎采用基于数据挖掘的算法来实现推荐引擎是各大电子商务网站、SNS社区最为常用的方法，推荐引擎常用的Content-Based推荐算法及协同过滤算法（Item-Based、User-based在电子商务推荐系统入门v2.0、电子商务推荐系统入门基础中已经有所阐述。但从实际应用来看，对于大部分中小型企业来说，要在电子商务系统完整采用以上算法有很大的难度。1、常用推荐引擎算法问题1）、相对成熟、完整、现成的开源解决
29、方案较少粗略分来，目前与数据挖掘及推荐引擎相关的开源项目主要有如下几类：数据挖掘相关：主要包括Weka、R-Project、Knime、RapidMiner、Orange等文本挖掘相关：主要包括OpenNLP、LingPipe、FreeLing、GATE等，具体可以参考LingPipes Competition推荐引擎相关：主要包括Apache Mahout、Duine framework、Singular Value Decomposition (SVD)，其他包可以参考Open Source Collaborative Filtering Written in Java搜索引擎相关：Luc
30、ene、Solr、Sphinx、Hibernate Search等2）、常用推荐引擎算法相对复杂，入门门槛较低3）、常用推荐引擎算法性能较低，并不适合海量数据挖掘以上这些包或算法，除了Lucene/Sor相对成熟外，大部分都还处于学术研究使用，并不能直接应用于互联网大规模的数据挖掘及推荐引擎引擎使用。2、采用Lucene实现推荐引擎的优势对很多众多的中小型网站而言，由于开发能力有限，如果有能够集成了搜索、推荐一体化的解决方案，这样的方案肯定大受欢迎。采用Lucene来实现推荐引擎具有如下优势：1）、Lucene 入门门槛较低，大部分网站的站内搜索都采用了Lucene2）、相对于协同过滤算法，L
31、ucene性能较高3）、Lucene对Text Mining、相似度计算等相关算法有很多现成方案在开源的项目中，Mahout或者Duine Framework用于推荐引擎是相对完整的方案，尤其是Mahout 核心利用了Lucene，因此其架构很值得借鉴。只不过Mahout目前功能还不是很完整，直接用其实现电子商务网站的推荐引擎尚不是很成熟。只不过从Mahout实现可以看出采用Lucene实现推荐引擎是一种可行方案。3、采用Lucene实现推荐引擎需要解决的核心问题Lucene擅长Text Mining较为擅长，Lucene在contrib包中提供了MoreLikeThis功能，可以较为容易实现
32、Content-Based的推荐，但对于涉及用户协同过滤行为的结果（所谓的Relevance Feedback），Lucene目前并没有好的解决方案。需要在Lucene中内容相似算法中加入用户协同过滤行为对因素，将用户协同过滤行为结果转化为Lucene所支持的模型。4、推荐引擎的数据源电子商务网站与推荐引擎相关典型的行为： 购买本商品的顾客还买过 浏览本商品的顾客还看过 浏览更多类似商品 喜欢此商品的人还喜欢 用户对此商品的平均打分因此基于Lucene实现推荐引擎主要要处理如下两大类的数据1）、内容相似度例如：商品名称、作者/译者/制造商、商品类别、简介、评论、用户标签、系统标签2）、用户协同
33、行为相似度例如：打标签、购买商品、点击流、搜索、推荐、收藏、打分、写评论、问答、页面停留时间、所在群组等等5、实现方案5.1、内容相似度基于Lucene MoreLikeThis实现即可。5.1、对用户协同行为的处理1）、用户每一次协同行为都使用lucene来进行索引，每次行为一条记录2）、索引记录中包含如下重要信息：商品名、商品id、商品类别、商品简介、标签等重要特征值、用户关联行为的其他商品的特征元素、商品缩略图地址、协同行为类型（购买、点击、收藏、评分等）、Boost值（各协同行为在setBoost时候的权重值）3）、对评分、收藏、点击等协同行为以商品特征值（标签、标题、概要信息）来表征
34、4）、不同的协同行为类型（例如购买、评分、点击）设置不同的值setBoost5）、搜索时候采用Lucene MoreLikeThis算法，将用户协同转化为内容相似度以上方案只是基于Lucene来实现推荐引擎最为简单的实现方案，方案的准确度及细化方案以后再细说。更为精细的实现，可以参考Mahout的算法实现来优化。来源：产品设计中的推荐引擎介绍什么是推荐引擎？推荐引擎利用特殊的信息过滤（IF，Information-Filtering）技术，将不同的内容（例如电影、音乐、书籍、新闻、图片、网页等）推荐给可能感兴趣的用户。通常情况下，推荐引擎的实现是通过将用户的个人喜好与特定的参考特征进行比较，并
35、试图预测用户对一些未评分项目的喜好程度。参考特征的选取可能是从项目本身的信息中提取的，或是基于用户所在的社会或社团环境。推荐引擎的分类1. 个性化的推荐根据用户过去在网站的行为进行推荐。2. 社会化推荐根据类似用户过去在网站的行为进行推荐。3. 基于产品的推荐基于产品本身的特性进行推荐。4. 以及上述三种的方法的组合。推荐引擎的开放api商业推荐引擎不仅仅用来把数据计算出来，在后期必须充分的利用这些高质量的推荐数据，通过推荐引擎的开放API，可以在任何需要调用推荐数据的地方使用这些高质量的推荐数据，实现集中计算，分散使用。企业推荐引擎的数据可以扩展到网站的任何一个角落，给互联网客户贴心的用户体
36、验。推荐引擎的通用算法1.基于关联规则的推荐算法（Association Rule-based Recommendation）2.基于内容的推荐算法 (Content-based Recommendation)内容过滤主要采用自然语言处理、人工智能、概率统计和机器学习等技术进行过滤。基于内容过滤的系统其优点是简单、有效。其缺点是特征提取的能力有限，过分细化，纯基于内容的推荐系统不能为客户发现新的感兴趣的资源,只能发现和客户已有兴趣相似的资源。这种方法通常被限制在容易分析内容的商品的推荐，而对于一些较难提取出内容的商品，如音乐CD、电影等就不能产生满意的推荐效果。3.协调过滤推荐算法 （Coll
37、aborative Filtering Recommendation）与传统文本过滤相比，协同过滤有下列优点:1）能够过滤难以进行机器自动基于内容分析的信息。如艺术品、音乐。2）能够基于一些复杂的，难以表达的概念（信息质量、品位)进行过滤。3）推荐的新颖性。 正因为如此，协同过滤在商业应用上也取得了不错的成绩。Amazon，CDNow，MovieFinder，都采用了协同过滤的技术来提高服务质量。缺点是:1）用户对商品的评价非常稀疏，这样基于用户的评价所得到的用户间的相似性可能不准确（即稀疏性问题）。2）随着用户和商品的增多，系统的性能会越来越低（即可扩展性问题）。3）如果从来没有用户对某一商
38、品加以评价，则这个商品就不可能被推荐（即最初评价问题）。因此，现在的电子商务推荐系统都采用了几种技术相结合的推荐技术。推荐引擎的过滤方式1.基于内容的过滤了解内容和用户的特质，送上合适产品的做法，被称为“基于内容的过滤” (Content Based Filtering)2.协同过滤”(Collaborative Filtering) 的推荐方式图协同过滤二层推荐模型以“协同过滤”推荐机制为核心，网站并不需要做出如同“What to Rent”的“性格-产品”匹配，而只需要了解“用户都在同哪些人进行交往”、“用户加入了哪些组群”、“用户都在看谁的页面”这样的问题，然后根据“物以类聚、人以群分”
39、的思路为用户推荐他的伙伴都感兴趣的事物。第一代的协同过滤技术，又被称为基于用户（User-based）的协同过滤。基于用户的协同过滤，基本原理是基于用户行为选择的相关性。协同过滤的核心问题是寻找与目标用户兴趣相近的一组用户。这种相似用户通常被称为最近邻居（Nearest Neighbor）。用户之间的相似度是通过比较两个用户的行为选择矢量得到的。于是第二代基于内容项（Item-based）的协同过滤技术就产生了。与基于用户的技术不同的是，这种方法比较的是内容项与内容项之间的相似度。 Item-based方法同样需要进行三个步骤获得推荐：1）得到内容项（Item）的历史评分数据。2）针对内容项进
40、行内容项之间的相似度计算，找到目标内容项的“最近邻居”。3）产生推荐。这里内容项之间的相似度是通过比较两个内容项上的用户行为选择矢量得到的。基于用户的推荐系统相比，基于内容项的推荐系统最大的改进是更具有扩展性。基于内容项的方法通过计算内容项之间的相似性来代替用户之间的相似性。不论是第一代的基于用户方法，还是第二代的基于内容项方法，都不可避免的遇到数据稀疏的问题。基于内容和基于协同过滤两种方式的区别无论从用户还是服务提供者的角度出发，这两种推荐方式都有各自明显的优劣。如果采用“基于内容的过滤”，那么在完成内容和用户互相匹配的过程中，就可能出现“越读越窄”、“越听越窄”、“越看越窄”的问题，提供的
41、内容完全与用户兴趣点相吻合，而没有发散。“协同过滤”在很大程度上避免了这个问题，但是他需要用户达到一定数量级之后才能发挥出网站创建者预想的效果，这种“网络效应”使得同一市场上的后来者很难找到切入的机会。而用户一旦不能得到“好处”，可能迅速离去，而来不及提“利他”的后话。3.基于实时行为的推荐目前流行的实时搜索开始了这方面的研究。推荐引擎需要面对的问题1.数据匮乏2.应对数据变化因为核心算法是对历史数据的统计，所以偏爱老数据，而新的变化难于及时体现，所以难于跟上时尚潮流的变化（pastbehavior of users is not a good tool because the trends
42、are always changing），同时原文指出：在变化很快的时尚领域物品推荐方式不太奏效，因为单个物品的特性太多而且随时间变化，所以，社会化推荐也许更有效。3.应对用户喜好的变化用户每次使用同一个系统（例如，Amazon）的目的不同，所以推荐算法也许会迷惑。但是，本人认为通过长时间的采集用户的行为数据，某个用户的消费倾向还是能够把握的，本人使用当当网购物时就体会到它的推荐还是比较贴合我的口味的。4.个别物品的特性具有对立的多面性有些物品，在同一个物品身上能够发现不相容的特性，主要在文化基因和个人喜好方面，这类物品很难推荐。5.计算很复杂要面对的问题有：原始数据量巨大、需计算的参数很多，
43、因此计算很复杂。个性化数据6.个性化数据是关键，而这些数据一般都是结构化数据。基于Amazon研究据称，Amazon 有35%的页面销售源自于她的推荐引擎。Amazon的推荐引擎，是一个需要用户一定参与的系统，用户的输入将对推荐的内容起到指导作用；如果指导有方，则会提供更符合个人品味的推荐。她会记录你已在Amazon购买的历史、你最近的浏览历史（根据活跃度调整，可拒绝此类跟踪），并需要主动告知引擎你对某些商品的打分（此打分不同于评价，只用于推荐引擎、且对他人不可见），和你已拥有的商品（用于排除这个推荐）。根据这些数据来做出判断另外，Amazon的推荐引擎并不只有这一块内容，在浏览、tag、商品
44、页面都有很多推荐，可以说推荐无处不在。从她的功能点来看，似乎可以分为三块内容：以人为着眼点、以物为着眼点以购物过程为着眼点。同时还采用了跨类推荐，对不同类的按热度排列。基于豆瓣的研究大家可以看这里基于八音盒的研究八音盒（）是一个基于音乐分享及偏好而建立起来的SNS服务, 利用多年积研发的推荐引擎，8box能帮你找到可能喜欢的音乐，帮你分析出哪些用户是你的音乐“同好”。八音盒通过你推荐、试听、打分、评论音乐的过程，学习你的口味，并依此帮助过滤出你喜欢的音乐。发现音乐的最好途径是通过你的同好。八音盒能够根据你的口味，推荐相似的用户给你。应该说“个性化推荐引擎IntelliProvider”是音乐八
45、音盒的技术基石。简单的来说，8box推荐音乐的依据有三种：1.依靠音乐本身的属性信息判断音乐的相关性，做出推荐。2.依靠听众对这个音乐的评价和反映来推断音乐的相关性，做出推荐。3.依靠分析用户的行为，发掘出用户的音乐同好，从而做出推荐。基于遗传学的推荐系统-潘朵拉（Pandora）音乐染色体组项目的 推出，目的在于把音乐解析成为最基本的基因组成。它的基本想法是：我们因为音乐的某些特性喜欢音乐那么为什么不能根据音乐的某些相似之处设计出一套推 荐系统呢？这类推荐系统应该属于基于产品的推荐。但具有深刻创新意义的是，产品（音乐产品）的相似性，通过“基因”组成来衡量。这种“即刻满足感”是很难抗拒的。因为
46、pandora 了解音乐相似性背后的因素，它不需要了解用户的好恶，就可以把用户黏住。确实，pandora 需要把握用户的口味或记忆但这正是蕴藏在音乐本身的dna中了。当然pandora有时并不完美，会播放不对用户口味的音乐。但这很少发生。基于标签的推荐系统-Del.icio.us非常简明的推荐系统，它指基于一个基因那就是一个标签。总结到这里，要是有这方面的技术人员交流就好了！从Web 2.0到推荐引擎2.0互联网应用的新概念似乎总是层出不穷，然而相对于2005年前后中国一下子冒出来的一大批 web 2.0 网站和最近几年出现的“云计算”，此时此刻的互联网业界似乎有点沉闷。人们开始谈论，互联网下
47、一个有趣的事情是什么？有一个东西可能成为未来几年互联网公司的新主攻方向：推荐引擎。豆瓣网，土豆网和各种视频分享网站，包括博客的流行，在中国都是从2005年开始的。今天的年轻人中可能任何两个人过去一天内看过的节目和新闻都完全不同，每个人都能根据自己的兴趣找到特有的一套内容，这就是 web 2.0 的力量。对2005年的创新公司来说，最重要的革命性思想可能是2004年连线杂志主编 Chris Anderson 提出的所谓“长尾”理论。这个理论说互联网使得过去几件流行商品通吃的局面一去不返了，现在哪怕是最不流行的东西也会有人喜欢，是小众市场的时代。互联网的大趋势，甚至可以说是整个社会的一个大趋势，是人们面临的选择越
