Sandra - in learning with the world

record the reading, thinking and life in internet. 阅读,聆听,思考的路上,大家一起走。

2/28/2008

阅读:解析史玉柱在<赢在中国>中的话外音

生死沉浮之际,阅读点什么,聆听点什么。。。。。。


解析史玉柱在<赢在中国>中的话外音

  一、90%的困难你现在想都没有想到,你都不知道那是困难。
  话外音:你既然连困难都不知道,那还不赶快去干.
  
  二、团队核心成员有人要提出辞职时,不要挽留,既然提出了,他迟早是要走的。
  话外音:和你再好的人也会离开,要做好准备.
  
  三、如果没有价格上的优势与技术上的绝对优势,千万不要进入红海市场,否则你会必输无疑!
  话外音:如果你在价格上能够远远低于竞争对手,或在技术上占绝对优势,那就没有红海.
  
  四、做连锁经营业务,一定要做一套傻瓜版的营销手册与管理手册,只有这样,才能实现远距离的管理。
  话外音:要善于与"傻瓜"打交道,因为"聪明人"是不会与你合作的.
  
  五、做成功一个店之后离你大的成功就不远了,所以你首先就是脚踏实地、集中精力地先做出一家,也是要放弃掉连锁的这种,不要在将来如何做连锁方面做太多的梦,先脚踏实地做出第一家。
  话外音:集中精力做到开门红

  六、做全国性市场,一定要先做一个试销市场,要一点点来,快不得;做成了,真到做全国市场时,要快半步,慢不得!
  话外音:大器晚成,基础打好了,才能盖高楼.
  
  七、不要认为自己初中水平怎么样,初中水平跟博士后没啥区别。只要能干就行,我一直是这个观点,不在乎学历,只要能干能做出贡献就行。
  话外音:实用的才是最好的,花瓶也不例外.
  
  八、作为我们曾经失败过,至少有过失败经历的人,应该经常从里面学点东西。人在成功的时候是学不到东西的,人在顺境的时候,在成功的时候,沉不下心来,总结的东西自然是很虚的东西。只有失败的时候,总结的教训才是深刻的,才是真的。
  话外音:真正的失败才会让人学到东西.
     
  九、对过去成功经验再好好总结总结,尤其是对失败的教训,夜里面下半夜夜深人静的时候你仔细想一想。反正睡觉也想,想一想实际上对你有很大收获比你看书更有用。因为有的书离你远,那是看自己过去写的东西。
  话外音:自己才是自己最好的老师,不断反思是进步的最快途径.
  
   十、最痛苦的时候,压力最大的时候,脑子里面只有一件事儿的时候,我把全国分公司经理招到荒山脚下北大门那个地方,招待所里面,然后在那个地方闭门开批判会。大家批判我,批判了三天三夜,我觉得那个就很有用。
  话外音:要成大事,必经万难.不要以为自己已很完美,在不同人眼里你有不同的缺陷
  
  史玉柱:创造事件营销让媒体自觉报道。我先找到差异化,我的产品和其它的产品差异在哪儿?
  话外音:没有差异要制造差异.
  
   营销里面有个叫第一法则。你到哈佛去学的时候,他会说一个案例。对美国人来说,谁第一个飞越大西洋的人?一般都能回答得出来,但是问谁是第二个飞越的,就没人能回答出来了。谁是第三个飞越的?记得了。为什么?第三个是第一个女性飞越,她拥有了个第一。
  话外音:只有第一才能够让人记得,不要当第二.
  
   你一定要在你的品牌建设里面,把你的第一给挖出来,猛宣传那一点。
  话外音:百招会不如一招精,把优势发挥到极致.

   宣传用什么手段呢?我建议别上来上电视。第一、报纸,第二个、创造事件营销,让媒体作为新闻自觉去报道你,这样很省钱。
  话外音:与其自己花钱做广告,不如让人来捧场.
  
  史玉柱:我坚守诚信是因为我曾经不诚信过
    在困难的时候,比如我还老百姓钱的时候。大家都说我很诚信,实际上是因为什么,是因为我曾经不诚信过,在我困难的时候,我对老百姓的承诺,我没有兑现。
  话外音:不要轻易承诺
  
   因为我没有兑现,我发现这个成本太高了。对我的未来的路子成本太高,就以至于,以后我对自己这方面要求就很高。
  话外音:承诺一定要兑现
  
    不诚信的是吧?我说三年之内我要把他们的钱还掉,我满了三年我没有还出来,没有还出来,老百姓那时候是很痛恨我的,看到他们对我愤怒的眼光,那种击是非常大的。所以我后面这些东西,实际上我是在补我过去的过失。
  话外音:没把握的话不要说.
  
    做任何一件事或者违反任何一个规则,都是要付出成本的。只不过我觉得作为一个企业,你不诚信而付出的成本是十分巨大的,这个都是血的教训换来的。
  话外音:要想打破什么,你必须要付得起赔偿,否则,别干!

牛根生VS史玉柱:举重若轻俩巨人 千金散尽还复来


篮子与蛋的关系

1997年的巨人事件后,史玉柱痛定思痛,为自己定下三条铁规:

一、必须时时刻刻保持危机意识,每时每刻提防公司明天会突然垮掉,随时防备最坏的结果;

二、不得盲目冒进,草率进行多元化经营;

三、让企业永远保持充沛的现金流

1997年之后,史玉柱如履薄冰,十年磨一剑,先靠脑白金站稳脚根,最后把保健品的运作模式克隆到网络游戏领域,从而一洗当年三大战役全军覆没的败迹,再次登上富豪榜。

与此同时,史玉柱也没有忘记把鸡蛋放在不同的篮子里,分散主业经营风险。早在2003年,史玉柱就做成了三笔聪明的生意,段永基旗下的香港上市公司四通电 子收购了脑白金和黄金搭档的知识产权及其营销网络 75%的股权,交易总价为12.4亿人民币。史玉柱由此获得现金6.36亿人民币,其余为四通电子的可转股债券。

有了巨额的现金流,史玉柱又瞄准了银行业。

第二笔获得华夏银行的股票。在这次交易中,华夏银行发起人北京华资银团公司和首钢总公司先后向史玉柱转让了1.4亿股华夏银行的法人股。每10股转增2股后,史玉柱共持有华夏银行股票1.68亿股。

第三笔是来自民生银行的股份。在这笔交易中,冯仑以非常低廉的价格将1.43亿股民生银行的股票“处理”给史玉柱。

史玉柱在2003年做成的这三笔大买卖,仅花了3亿元,四年后,其价值已经超过130亿元,而且这些股票随时可以变现。

一年时间,通过三笔交易,史玉柱轻松地成为华夏银行的第六大股东、民生银行的第七大股东,成为身家百亿元的金融资本家。

这个故事听起来似乎太轻松了,但它属于史玉柱传奇的一部分,如今史玉柱的投资部门还在金融业行业继续自己的资本游戏,史玉柱将他们的活动范围基本上限定在 银行和保险业,他的投资逻辑是:一般的企业,随着规模增大,资产的收益率会逐步递减,这就是“规模的诅咒”;而银行相反,由于自有资本比例很低,左手吸纳 储蓄右手发放贷款,其实是一个杠杆,拿别人的钱赚钱,因而随着规模增大不仅不会降低自身资产的收益率,反而会提升其收益率。 ”

史玉柱“时刻担心公司明天会破产”的恐惧似乎已经烟消云散,但是他还会成就中国的IBM吗?这是一个巨大的问号。

和史玉柱相比,牛根生也是一个资本运作的高手,但他宣称自己玩的是外国人的资本,并且始终没有脱离自己的主业。

2002年,摩根斯坦利、英联、鼎辉三家国际风险投资机构向蒙牛没注资近6100万美元,持有蒙牛8.57亿的股份。

2004年,蒙牛在香港上市,成功募集13.74亿港元。

有了这笔融资,蒙牛如虎添翼,在全国乳业市场攻城略地,奠定了自己不可挑战的地位。

牛根生坚信内蒙古丰富的乳品资源和奶牛品质,一定可以把外资拿到了中国,做大做强中国的民族品牌。对于外界担心民族品牌被外资控制的问题,牛根生有自己的 理解,他说:“如果我当初只用自己的100万元做事,肯定做不大,后来大家凑出的1300万也不行。我想用钱,我想用有钱人的钱,有钱人在哪里?不在中 国,在外国,在国际上的资本市场。”

此外牛根生还在2007年7月9日的博客上向网友详细解释了蒙牛和达能的关系:

最近不少博友在问:“蒙牛与达能是什么关系?”

还有博友传播着一个完全错误的信息:“达能收购蒙牛49%的股份。”

事实真相是:蒙牛与达能合资的仅是酸奶业务,只占蒙牛总业务量的6.4%。详情如下:

蒙牛集团的业务包括常温奶、酸奶、冰淇淋、乳饮料、奶粉等五大种类,而目前与法国达能公司的合作仅限于酸奶这一类。按照蒙牛集团公布的2006年度业绩, 酸奶销售收入仅占蒙牛集团总收入的6.4%——在此领域,双方拟新设三家合资公司,均由蒙牛集团持股51%,达能持股49%——也就是说,蒙牛总业务的 93.6%即常温奶、冰淇淋、乳饮料、奶粉等四大类业务均与达能无关;并且达能也没有收购蒙牛的任何股份。

打个比方,本来是“一根小指头”的49%,却被人误解为“十根指头”的49%。事情就这么简单。

与宗庆后和达能后患无穷的博弈相比,牛根生把蒙牛和达能的关系处理得稳健而理性,但是牛根生与摩根斯坦利等3家国际投行的博弈却要惊险得多。

摩根斯坦利等3家国际投行给蒙牛6100万美元的风险投资附加了看起来有点苛刻的条件:未来3年,如果蒙牛每年盈利的复合增长率低于50%,以牛根生为首 的蒙牛管理层要向摩根斯坦利等3家外资股东赔上 7800万股蒙牛股票,或者以等值现金代价支付;如果管理层可以完成上述指标,三家外资股东会将7800万股蒙牛股票赠予以牛根生为首的蒙牛管理团队。

就当时国内已经陷入激烈竞争的乳业市场来说,连续三年每年获得复合增长率50%,这在业内人士看来,几乎是一个不可能完成的任务。

但是牛根生决心背水一战。

携资本优势,蒙牛飞速扩张,从2001年到2003年,蒙牛实现销售收入7.24亿元、16.68亿元和40.715亿元,2004年一举突破72.138亿元,年复合增长率超过100%,2004年净利润3.19亿元。

外资设立的超级栅栏被被满怀激情的“蒙牛”一跃而过,2005年4月,外资股东拱手认输,提前终止了这场试图“圈养”蒙牛的游戏,代价是将他们持有的股票赠予蒙牛的管理层。

与此同时,蒙牛股票也在香港股市持续上涨,2005年,蒙牛股价为每股5.85港币,今年12月份,蒙牛乳业(2319.hk)的价格依然维持在27.40港币左右。

目前,蒙牛的20多座生产基地分布在全国14个行政区,已经形成液态奶、冰淇淋、奶品等三大系列100多个品种。在牛根生的掌控下,飞速成长的蒙牛创造了 中国成长企业百强之冠、中国乳品行业竞争力第一名等多项纪录,它拥有中国规模最大的国际示范牧场,并首次引入挤奶机器人,成为中国乳业收奶量最大的农业产 业化的领先者,同时,在单品销量方面,蒙先也已经成为全球的乳制品的行业老大。

比较史玉柱和牛根生的资本运作之道,一个是将鸡蛋放在不同的篮子里,一个是干脆请邻居来收藏他的鸡蛋。企业家毫无疑问都是要规避风险的,然而其各人的谋划,竟也有如此迥然的差别。

一个还债,一个捐股

中国民营企业死得太快,死掉太多,中国民营企业家在曾经的“企业帝国”崩溃之后,一撅不振的太多,所以史玉柱的“浴火重生”,成了极其稀缺而大快人心的事;

也许因为中国企业家一蹶不振后出逃境外或者身陷囹圄的人太多,史玉柱于2003年通过收购楼花向投资者还债的举动又成了极其稀罕而大快人心的事。

欠债还钱,本属天经地义,史玉柱此举是否可以被标榜为“诚信的样板”呢?

在史玉柱尚未提俱更多的证据前,估且搁置不议。

只是在史玉柱再次成为偶像之后,牛根生做了一件全球企业家没有做过,中国企业家此前也没有做过,而且此后可能也不会有多少人去追随的事。2005年1月 12日,牛根生捐出自己与家人的全部股份(约占蒙牛股份的10%),创立“老牛专项基金”,如今,牛根生已完成过户手续的股份价值6.5亿元。在接受《胡 润百富》的采访时,牛这位全球捐股第一人坦然表示:“从无到有,再从有到无,任何人都少不了走这一步。在有生之年就看到自己从有到无,然后又转化成许多人 的‘大有’,我感到很欣慰。”

为了确保“老年专项基金”不被挪作非捐赠用途,牛根生创造了股权设置上的第三种制度:

股份所有权归“老牛专项基金”(家人、家族不能继承);

表决权归现在及未来的蒙牛董事长;

收益权归“老牛专项基金”管理委员会。

牛根生认为,这样的设计“既不同于所有权与经营权合一的传统制度,也不同于所有权与经营权分离的现代制度,而是开辟了股权设置上的第三种制度——所有权、表决权、收益权‘三权分设’的创新模式。

2006年第一届二次理事会,“老牛专项基金”确定了“高目标,广受益,多渠道,定规划,紧跟踪”的15字方针:

“高目标”,要以构建和谐社会为宗旨,办成一流基金;

“广受益”,公益对象由原来的“面向中国奶业”发展为“面向全社会”;

“多渠道”,筹资平台由单纯吸纳牛根生所捐股份红利拓展为兼收社会爱心人士及机构所捐的公益资金;

“定规划”,资金使用要有计划、有流程、重效用,既要集中资源办大事,又要适当兼顾无人关注的角落;

“紧跟踪”,凡基金资助的公益项目,都要跟踪到终端受益人或机构,要有档案、有手续、有凭证、有反馈,防止各环节出现任何不到位现象。

据说多年来,牛根生全家的开销是3000元/月,如果妻子超标了,月底要向他报账,牛根生认为确属合理的花销才给予“报销”,否则就要在各月中平衡。

根据牛根生捐股的初衷,老牛基金将“主要用于褒奖对蒙牛集团作出突出贡献的人士或机构,在集团员工遭遇不幸或生活窘困时,也可向基金会申请帮助”。但是牛 根生的家人则不能继承“老牛基金会”,妻子与儿女在其百年之后只可领取“不低于北京、上海、广州三地平均工资的月生活费”。

而牛根生自己的生活,依然是多年来的老习惯:戴的是18元钱的“蒙牛领带”;在员工餐厅,他常用一碗面条、一小碟咸菜打发午餐;每次到北京出差,都住在蒙牛北京办事处,据说办事处的沙发都有些塌陷。

谁在“征途”,谁将“永生”

牛根生的父亲从抗美援朝结束后开始养牛,总计养牛38年。

牛根生1978年继承父亲的事业开始养牛,如今养了30年。

两代人把一件事干了68年,而且干得轰轰烈烈,干得万众瞩目,在这个充满投机者的时代,这是罕见的事情。

牛根生的口号是:让一杯奶强壮一个民族。

而他的终极目标则是:成就百年蒙牛。

“在我有生之年,49%的红利是我的。另外51%放在老牛基金会,用以奖励经管、研发、销售人才以及一些有困难的员工。这样一来,就可以不占用企业正常生 产经营成本,我觉得这对企业的机制应该更好一些。”,牛根生真诚地认为“企业是大家的”。在总结蒙牛之所以能快速发展的原因时,牛根生认为一个重要原因是 蒙牛看清楚了环境和自身的关系:“股东投资求回报,银行注入图利息,员工参与想收入,合作伙伴为赚钱,顾客购买要实惠。我们做企业不能总想自己的赔和赚, 首先应该想到别人的赔和赚。世界上没有傻子,今天你可以剥夺别人的利益,但后天你将得到苦果。所以创业之初,我就宣布了蒙牛的‘纲领’——以股东、银行、 员工、伙伴、顾客五方的利益为利益,建立大利益圈,形成‘五赢格局’,和谐社会最重要的一条,就是财富分配的和谐。”

一生中只干一件事,而且想在自己百年之后,这件事仍能健康发展,继续造福于社会,从无到有之后,牛根生如今在“专气致无”,他似乎从事着哲学家的事业,在通向终极的道路上健步如飞。

而他的小弟弟史玉柱则还在自己的“征途”上,重新站起来之后,史玉柱又做了一件富有象征意义的事情,他在上海松江买了一块长1公里、宽1华里的地,盖了一个总部,计划2008年把所有业务搬过去。

他在上海的公司叫“健特”,GIANGT的英文仍是“巨人”的意思。

十多年前,倒下的“巨人”离不开庞大的总部,十多年后,重生的“巨人”仍然离不开庞大的总部,不过这一次,史玉柱学乖了,“不敢修高了,修矮的,只有3层。”,而不是当年气势豪迈的中国第一高。

据相关媒体报道,2001年2月6日,史玉柱还做了一件更有象征意义的事情,他在当天的《解放日报》第4版做了一个特别的广告,标题是“两个20多厘米见方”的大字“感谢”。广告的内容则是:

“十年前,巨人创造过辉煌;四年前,巨人跌入低谷;新世纪,巨人从上海复出;感谢上海优良的投资环境、良好的政策环境;感谢上海人民的厚爱。史玉柱真的重新站起来了。”

十多年前,史玉柱曾经宣称要做“中国的IBM”,如今联想早已兼并了IBM的部分业务,立志要做世界的联想。

如今的史玉柱做事唯求踏实,还钱是为了踏实,多元投资是为了踏实,重新站起来之后,接受媒体访问时,听玉柱最经典的一句话是:“手上有现金,睡觉踏实。”

对于这个在1997年之后,“时刻担心着明天就会破产”的奋斗者,要让他去专心研究“从有到无”的事业是不可想象的,或许有一天,他会踏上另一个“征途”,但这一天,可能还从未曾列入史玉柱的日程表。

史玉柱,曾被称为“中国民营企业的活化石”。

牛根生呢?他可能不只是一块活化石,而是一块“三生石”,只要这块石头的故事依然被人记忆着,中国的企业家群体对于财富和企业家价值与使命的理解就会有一个澄明而鲜活的标杆。

而在史玉柱和牛根生的背后,是千千万万正在诞生的,已经死掉的,和渴望“复活”的企业,这注定是一个伟大而骚动不安的时代,又注定是一个可耻而值得同情的时代,但是下一个理想而美好的时代,似乎又将从中出生。

那时候人们纵览中国商人精神地图的漫长画卷,必将一眼发现,谁是真正的“舍利子”,谁又是熙熙而来攘攘而去的“恒河沙”。



牛根生经典语录

1.小胜凭智,大胜靠德。

2.有干劲,你就洒下汗水;有知识,你就献出智慧;二者都不具备,请你让出岗位。

3.城市多喝一杯奶,农村致富一家人。

4.财散人聚,财聚人散。

5.一个产品,抓眼球,揪耳朵,都不如暖人心。

6.一个人智力有问题,是次品;一个人的灵魂有问题,就是危险品。经营人心就是经营事业
7.好心态才有好状态

8.帮助别人,但不伤害别人。

9.要想知道,打个颠倒。

10.从无到有,是件快乐的事。而从有到无,同样是种快感。

11.产品市场是亿万公民,资本市场是千万股民,原料市场是百万农民。

12.让认识你的人受益,还不能算好;让不认识你的人也受益,那才是真好。

13.吃亏吃到再也吃不进的时候,就不会吃亏了。苦多了,甜就大了

14.想赢个三回两回,三年五年,有点智商就行;想做个百年老店,想一辈子赢,没有德商绝对不行。

15.学得辛苦,做得舒服;学得舒服,做得辛苦。

16.产品等于人品,质量就是生命。

17.看别人不顺眼,首先是自己修养不够

18.从最不满意的客户身上,学到的东西最多。

19.管理是严肃的爱。

20.经营企业就是经营人心。

21.人不能把金钱带入坟墓,但金钱却可以把人带入坟墓。

22.一个人快乐不是因为他拥有得多,而是因为计较得少。

23.一个事业能不能成功,关键靠制度设计。

24.别人从零起步,而我从负数起步。

25.听不到奉承的人是一种幸运,听不到批评的人却是一种危险

26.善待每一头牛,因为它们都是母亲。

27.布局决定结局。

28.世界上还有很多事情,只要你把它做透了,做成专家,你就能够为自己创造成功的机会。

29.会说话的产品卖得快,哑巴产品走得慢。

30.你如果拿五分的力量跟别人较劲,别人会拿出十二分的力量跟你较劲

史玉柱经典语录:

1.90%的困难你现在想都没有想到,你都不知道那是困难。

2.团队核心成员有人要提出辞职时,不要挽留,既然提出了,他迟早是要走的。

3.如果没有价格上的优势与技术上的绝对优势,千万不要进入红海市场,否则你会必输无疑!

4.做连锁经营业务,一定要做一套傻瓜版的营销手册与管理手册,只有这样,才能实现远距离的管理。

5你首先就是脚踏实地、集中精力地先做出一家,也是要放弃掉连锁的这种,不要在将来如何做连锁方面做太多的梦,先脚踏实地做出第一家。

6.做全国性市场,一定要先做一个试销市场,要一点点来,快不得;做成了,真到做全国市场时,要快半步,慢不得!

7.初中水平跟博士后没啥区别。

标签: , , ,

2/25/2008

阅读:Rethinking Recommendation Engines - ReadWriteWeb

Rethinking Recommendation Engines - ReadWriteWeb

Rethinking Recommendation Engines

Written by Alex Iskold / February 25, 2008 1:37 AM / 7 Comments

Over two years ago, Netflix announced a Recommendation Engine contest - anyone who invents an algorithm that does 10% better than their current recommendation system will win $1 Million dollars. Many research teams raced to attack the problem, excited by the unprecedented amount of data available. Initially quite a lot of progress was made, but then slowly the progress stalled and now teams are stuck at around the 8.5% improvement mark.

In this post we argue that the improvement in recommendation engines is not an algorithmic problem, but rather a presentation issue. Respinning recommendations as filters and delivering them without setting high expectations is more likely to yield progress than crunching more data faster.

个性化推荐并不是个算法问题,而是个展示和表现的问题过滤后展示给用户,不给他们太大的期望,比技术上数据处理更快都有用。(这个说法可是有些惊世骇俗,多少让很多技术自持者们不屑,让苦于技术无突破的人眼前一亮。是不是有什么其它自己没想到的东西可以代替技术实现同样的目的呢?就像当年flickr简单一个tag的妙招解决若干大学长期研究没有结果的图片内容识别问题。)

Building a recommendation engine is a complex endeavor, which we discussed here a year ago. But in addition to being a technical challenge, there are also fundamental psychological questions: do people want recommendations and if so, then when are they open to them? Perhaps an even bigger question is: what happens when the user receives one or more bad recommendations? How tolerant will they be?

建立个性化推荐引擎绝非易事。更重要的是还有更为基础的心理问题:

用户需要推荐么?

如果是,什么时候他们会打开它?

也许更大的问题是:如果收到不好的推荐,会发生什么?用户的容忍度多大?

Genetics of Recommendation Engines

All recommendation engines are trying to solve the following problem: given a set of ratings for a particular user, along with those of the whole user base, come up with new items that this user will like. There are many algorithms that can be applied to the problem, but all of them focus on three elements: personal, social and fundamental:

所有的推荐引擎都试图解决下面的问题:针对一个特定用户的一系列评级,综合整个用户群特征,给出这个用户可能会喜欢的内容。有很多算法用来解决这个问题,基本上集中在三项:个人、社会、基本推荐

  • Personalized recommendation - recommend things based on the individual's past behavior 个性化推荐-基于个人过往行为特征的推荐
  • Social recommendation - recommend things based on the past behavior of similar users 社会化推荐- 基于一群行为类似用户的过往行为的推荐
  • Item recommendation - recommend things based on the item itself 项目推荐-基于项目本质属性的推荐
  • A combination of the three approaches above 综合推荐-综合上述各种方法的推荐

A social recommendation is also known as collaborative filtering - people who liked X also like Y. For example, people who liked Lord of The Rings are likely to enjoy Eragon and The Chronicles of Narnia. The problem with this approach is that peoples tastes do not in reality fall into simple categories. If two people share the same taste in fantasy movies, it does not mean that they will also both like dramas or mysteries. A good way to think about this problem comes from genetics. Many times we meet people who have features that we recognize and have seen in others. For example, eyes might look familiar, or lips, but it is a totally different person.

社会化推荐又称协同过滤-也就是喜欢X的人也喜欢Y。

这种方法的问题在于,人们的趣味并不是基于一种简单的类别体系。

The other kind of recommendation is an item-based recommendation. The best example of this system is the Pandora music recommendation service. It works by ranking each musical piece by more than 400 different characteristic - musical genes. It then automatically matches the pieces based on these characteristics. There are challenges with tuning the algorithm to work well, but it is also challenging to apply it to other verticals. For movies, for example, you'd need to come up with ranking each movie along many scales, starting from director, cast, plot; and then obscure things like musical score, locations, light, camera work, etc. It certainly can be done, but this is complicated.

另一种是基于内容项目的推荐。最佳示例是潘多拉的音乐推荐。每首音乐抽象出400多个不同的特征点,构成音乐基因。然后基于此而匹配推荐。这里除了算法的挑战外,更有把这个方法应用到其他垂直领域可行性的挑战。这些事情可以做,但是成本巨大。

The Guy In The Garage

The complexity of the recommendation problem is due to its vast space of possibilities. Much like it's hard to figure out which exact gene is responsible for a particular human trait, it is hard to figure out which bits of the movie or music make us rate it as 5 stars. Reverse engineering human thinking is hard. Which is exactly why one of the contestants highlighted in the Wired article is relying on a very different trick to make his algorithm work.

推荐系统的复杂性在于其海量的可能性。就像很难确定究竟是那个基因决定人的特征一样,很难决定哪个基因决定了我们会将其评级为五星。反解析人类思考的过程是很难的。

Nicknamed Guy In The Garage, Gavin Potter from London is relying on human inertia. Apparently, the rating of the movie depends on the ratings of previous movies that we just saw. For example, if you watch three movies in a row and rate them with 4 stars, and then watch the next one which is slightly better, you will rate it 5. Conversely, if you rate three movies in a row with 1 star, then the same movie that you would otherwise rate as 5 would only get 4 stars from you.

来自伦敦的Gavin Potter,外号叫做“Guy In The Garage”的,他依赖于人们的惯性。显然,人们对于一个影片的评级依赖于此前看到影片。如果你一连看了三个4星的,这时候紧接着看到稍微一个好的,就会给他评为五星。相反,如果这同样这个之前你看到的是三个1星的,这个你就可能只给4星。

Just when you think that this is not true, you will discover that this algorithm now sits in the 5th place and still is making progress, while other algorithms are spinning. Enhancing formulas with a bit of human psychology is a really good idea and this is where we turn next.

正如你认为此方法不正确,事实上,这是正在发展中的第五种方法。考虑并规划出人类的心里范式,在这里是个很好的方法。

Replacing Recommendations with Filters

以过滤替代推荐


How many times has this happened to you: a friend recommended you a movie or a restaurant, so you went there all excited - but ended up disappointed? A lot! It is obvious that hype sets the bar high, increasing the chances of a miss. In math speak, this kind of miss is known as a false positive. Consider now what would happen if instead of recommending a movie, a friend tells that you are not going to like certain movie, so do not bother renting it.

是否经常经历这种尴尬?朋友向你推荐了影片或者餐厅,你兴致勃勃前往的结果却是失望重重。夸大之词抬高了期望和相应的失望可能。那数学的说法叫做:false positive .想象一下另一种情形,朋友告诉你你不太可能喜欢某个电影,你就不必费心找它了。

What bad can come of that? Not much, because likely you are not going to watch it. But even if you do and you like it, you are not going to be experience negative feelings. This example demonstrates the difference between our reaction to a false negative and a false positive. False positives upset us, but false negatives do not. The idea of respinning recommendations as filters is about leveraging this phenomenon.

这样做有什么坏处?没什么。即便你看后喜欢,你也不会有什么负面情绪。此例证明了我们对于错误的负面消息、错误的正面消息的反应差异。错误的正面消息让我们沮丧,而错误的负面消息却不会。这就是以过滤替代推荐的依据。

When Netflix makes recommendations, it sets itself up for a sure failure. Sooner rather than later it is going to miss and recommend you a movie that you are not going to like. What if instead of doing that, it would show you new releases and have a button: filter the ones I am not going to like. The algorithm is the same, but perception is different.

Netflix意在推荐而必然失败。假设如果他在展示给你最新影片的时候,旁边有个按钮:不喜欢,忽略它。整个算法相同,但是感觉却完全不同。(让我突然想起了很早以前就给别人提到的自己一个想法,展示自己不喜欢什么其实和喜欢什么一样重要。只是那个时候,不能回答人家随后的问题,然后呢?现在知道了,然后其实在这里落脚,然后还可以再延伸)

Filters in Real-Time Culture 现实中的过滤器

And this idea becomes increasingly important and powerful in the age of real-time news. We are increasingly oriented towards continuously filtering new information. We do this with our RSS Readers everyday. We think of the world in terms of streams of news, where things of the past are not relevant. We do not need recommendations, because we are already over subscribed. We need noise filters. An algorithm that says: 'hey, you are definitely not going to like that' and hide it.

现实中,人们事实上在过滤掉大量的新信息。我们认为过去的信息不再相关。我们在新一已经过载的情况下,不需要推荐,而是需要噪音过滤。算法说:你肯定不会喜欢这个,忽略它节省些时间吧。

If the machines can do the work of aggressively throwing information out for us, then we can deal with the rest on our own. Borrowing from the spam box in emails, if all the tools around us had a button that said 'filter this for me', and maybe even had a mode where such a filter is on by default, we'd all to get more things done.

如果机器能帮我们扔掉这些噪音,我们就能专心处理剩下的信息。进而能够处理更多的事情。

Conclusion

Building a perfect recommendation engine is a very complex task. Regardless of the method, collaborative filtering or inherent properties of things - recommendations are an unforgiving business, where false positives quickly turn users off. Perhaps applying psychology to the problem can make people appreciate what these complex algorithms are doing. If instead of recommending things, machines would filter things we definitely won't like, we might be more forgiving and understanding.

Now tell us please about your experiences with recommendation engines. Were there ones that worked really well? Would you be open to filtering instead of recommendation? Besides movies and news, where would you like to have these filters?

See also our follow-up post 10 Recommended Recommendation Engines.


标签: , ,

2/23/2008

进一步一统江湖的facebook,完美的挺进

在人们逐渐有些厌倦了那么多的application加入到facebook的时候,facebook很和时机的让大家可以全部拿掉各种通知请求之类。

今天进一步,把权力看起来进一步交给用户。Facebook正在规划接受其他站点的信息更新,比如flickr或twitter,成为和站内的newsfeed一样的统一追踪。这样他可以不用任何专业领域,直接整合其他站点的信息流过来,用户在这里完成全部网络生活的追踪。很是高明的一招。难怪下文作者说是此举一旦上线,立马将会让很多旨在个人网络生活汇聚管理的网站窒息。

这一招比当年的rss会聚“经济”多了。同时也互动性高很多。

但是合作的基础在中国又将如何呢?这个如果在某个垂直话题领域又将如何呢?

原文:

Facebook Targets FriendFeed; Opening Up The News Feed

Facebook is planning on allowing users to add activities from third party social networking site directly into their Facebook news feed, we’ve confirmed. The goal is to centralize all that activity in one place.

Third parties can already integrate directly today via the Facebook API, Beacon and the Facebook Platform, but adoption from these companies, which are indirectly also competing with Facebook, has been slow. Now, users can add the content stream directly. Users simply tell Facebook what third party services they use the most, along with their credentials or public feed for the site. The content stream is then pulled into your Facebook News Feed.

What this means: in your friends news feed, you may start to see more content from Flickr, Twitter, Digg and other third party services. This competes directly with what a number of startups are doing - namely FriendFeed, Plaxo Pulse and the more recently launched Iminta.

This is certainly an opening up of Facebook. And given that so many tens of millions of users spend so much time on the site already, it could remove the wind from the FriendFeed/Plaxo sails.

But don’t expect to see a RSS feed or widgets showing what you or your friends are up to any time soon. The data feeds that Facebook opened up last year do not extend to the News Feed. And from what we hear, Facebook hasn’t made a decision to open it up yet. Until they do, there is still plenty of breathing room for competitors.






标签: , , , , , ,