編者按：本文是電子科技大學互聯(lián)網(wǎng)科學中心在讀博士劉浩的供稿文章，劉浩的主要研究方向是個性化推薦系統(tǒng)及社交網(wǎng)絡的數(shù)據(jù)挖掘，點
\n這里關(guān)注他的微博。

閱讀，作為互聯(lián)網(wǎng)最基本功能之一，始終是網(wǎng)民獲取信息的最重要形式。隨著個性化推薦技術(shù)在電子商務領域取得巨大成功，個性化開始逐步滲透到互聯(lián)網(wǎng)的閱讀領域?；ヂ?lián)網(wǎng)發(fā)展到大數(shù)據(jù)時代，也給個性化閱讀提供了合適的溫床，國內(nèi)外互聯(lián)網(wǎng)圍繞著個性化閱讀的產(chǎn)品層出不窮。2010年以FLIPBOARD和ZITE為代表的個性化閱讀產(chǎn)品的興起，引起了國內(nèi)個性化領域的爭相跟風。一時間，眾人高呼著“個性化時代來了”的口號，各種打著個性化閱讀旗號的產(chǎn)品紛紛誕生。

個性化閱讀的出現(xiàn)，是外部環(huán)境，技術(shù)成熟和用戶需求三方面共同作用下出現(xiàn)的必然產(chǎn)物。但是，國內(nèi)個性化閱讀產(chǎn)品在使出渾身解數(shù)四處突圍的同時，我們卻鮮見有當年RSS那樣具有劃時代意義的產(chǎn)品的誕生。個性化作為大數(shù)據(jù)沙漠里的一個天然綠洲，所有人都在描繪著那里美好的圖景，一直看著很美好卻不知通往綠洲的捷徑。

UGC模式的爆發(fā)標著的互聯(lián)網(wǎng)大數(shù)據(jù)時代的到來，以用戶社交網(wǎng)絡為基礎和用戶信息流為載體的社交媒體已經(jīng)在自覺不自覺中生長出了個性化的萌芽，然而以此為基礎的信息流有著嚴重的弊端，內(nèi)容過于雜亂，信息價值不高，信息量過大的問題隨著社交網(wǎng)絡的日益膨脹顯得越來越明顯。這些大規(guī)模的數(shù)據(jù)對于個性化閱讀來說，卻是絕好的冷啟動數(shù)據(jù)訓練集。微精和
\n優(yōu)微正是懷著這一美好的目的開始了在這方面的嘗試，但是在不久前微精的倒下，卻給了這一美好愿望一記重拳，排開其他因素不說，單是推薦挖掘需要的大量用戶數(shù)據(jù)和OPEN API各種請求限制之間的矛盾，都讓所有在此方向上努力的人們提心吊膽。Twitter不久前修改的API協(xié)議和新浪微博推出極具爭議的智能排序無疑給出了一個明確的信號——這是一塊金礦，但是只能我們來挖。

在大樹不可靠的情況下，大部分個性化的閱讀產(chǎn)品必須面臨一個冷啟動的問題。個性化推薦的技術(shù)發(fā)展到今天，無論是傳統(tǒng)而且成熟的協(xié)同過濾，還是現(xiàn)在興起的社會化推薦，抑或采用多種數(shù)據(jù)挖掘的手段，用戶的興趣的分析都需要基于一定量的數(shù)據(jù)。獲取用戶的輸入本身就是一個用戶體驗極不好的過程，這是一個考驗用戶耐心和推薦精度的博弈。
\n優(yōu)推網(wǎng)顯然高估了用戶的耐心，選完分類還不算還要老老實實回答5個對用戶來說莫名其妙問題，即使有耐心完成這些步驟的用戶，基于如此少量數(shù)據(jù)推薦的信息也足以讓用戶喪失信心。
\n板報網(wǎng)盡量減少了用戶的煩惱，但是一開始滿屏幕大雜燴式的推薦很難讓用戶讀懂個性化閱讀的含義。
\n牛贊網(wǎng)，
\n閱米網(wǎng)的初始化顯得稍微人性化一點，分類較為細致讓用戶容易選擇，同時保證在初始推薦的時候內(nèi)容至少較有關(guān)聯(lián)性。
\n指閱的初始化顯得更加精致，在大分類下還細分了具體的興趣點，用戶輸入稍微繁瑣但是用戶體驗設計得很流暢，如此細致的設計也保證了初始推薦時候內(nèi)容的精確性。
\n無覓作為最早踏足國內(nèi)個性化推薦領域的產(chǎn)品，估計在最初做第三方推薦工具時積累了不少珍貴的數(shù)據(jù)，其初始化以用戶訂閱RSS開始，顯示了無覓穩(wěn)妥的作風，先做好內(nèi)容的聚合，然后慢慢挖掘出你的興趣。
\nV剪客或是受啟發(fā)于Pinterest專輯的點子，用戶開始的時候需要訂閱感興趣的專輯，但是每個分類下數(shù)量眾多的專輯讓用戶又陷入選擇的困境。還有一些如
\nZAKER，
\n網(wǎng)易閱讀，
\n極閱，
\n鮮果，
\n爬藤等個性化閱讀產(chǎn)品大多是以訂閱網(wǎng)站的RSS為手段，顯得更像是一個美化版的RSS閱讀器。

個性化閱讀冷啟動的完成，只是個性化閱讀體驗的剛剛開始。用戶獲取閱讀內(nèi)容的來源又成為一個分水嶺。ZAKER，指閱，網(wǎng)易閱讀，極閱，鮮果，爬藤，板報網(wǎng)，閱米選擇了聚合內(nèi)容，這些產(chǎn)品更像是一個帶過濾器的RSS閱讀器升級版，通過聚合各種RSS來源的新聞并經(jīng)過算法排序（或沒有）后推薦給用戶。V剪客，簡網(wǎng)則選擇了一種UGC的方式來獲取內(nèi)容，通過用戶提交的形式來充實內(nèi)容池。牛贊網(wǎng)，無覓則選擇了中間道路，采用內(nèi)容聚合和UGC混搭的模式來獲取信息。從用戶體驗上講，內(nèi)容的聚合顯然更有利，能夠很好地格式化文章內(nèi)容實現(xiàn)優(yōu)美的文章排版和閱讀體驗，因此走上這條路的產(chǎn)品大部分都不約而同的選擇了抓住移動端的閱讀。但從個性化閱讀的本質(zhì)上講，內(nèi)容的聚合還是讓用戶的視線受限于目前能夠收錄到的新聞源，然而這些有限來源相對于每天要產(chǎn)生200多萬篇博文的互聯(lián)網(wǎng)來說，并沒有從根本上解決幫助用戶發(fā)現(xiàn)未知的個性化資訊的問題。同時，內(nèi)容聚合的方式面臨的最大危險來自于版權(quán)問題，我們可以從ZITE之前的官司和ZAKER最近下線了一些訂閱頻道嗅到一些味道。相比之下，簡網(wǎng)，V剪客，牛贊網(wǎng)，無覓選擇的用戶提交內(nèi)容的模式會更加被看好，雖然這幾個網(wǎng)站背后的推薦機制各有不同，但是都是試圖構(gòu)建基于用戶閱讀興趣的社交圖譜，利用閱讀興趣的社交網(wǎng)絡獲取信息長尾中的內(nèi)容進行社會化推薦的想法——人的推薦永遠比機器靠譜。值得一提的是，簡網(wǎng)和指閱都是同一個媽生的，但是選擇了不同的內(nèi)容運營機制，或許是基于的這樣思考的一種實驗？

個性化閱讀毫無疑問是未來互聯(lián)網(wǎng)關(guān)注的一個熱點，誰都可以看到當一個產(chǎn)品完全熟悉一個人個性化閱讀偏好后潛在的巨大商業(yè)價值。但是在大數(shù)據(jù)的沙漠中，通往個性化綠洲的道路往往都充滿著各種海市蜃樓，讓我們拭目以待看誰能夠堅持到最終的目的地。

感謝在個性化閱讀道路上奮斗的人們，就像Alta Vista、Lycos、Excite之于Google，不是每個人都能贏得最終勝利的花環(huán)，但是個性化閱讀道路上每一步都有你們堅實的腳印。