豆瓣：生活的發現者
無數據不互聯
作者：劉燕
八年前，豆瓣創始人楊勃開始為豆瓣寫第一行代碼時，就有了一個明確的方向——做一個關於生活發現的服務，也就是為人們推薦真實生活裏的好東西。
“世界上一直沒有一個偉大的‘生活發現’網站可以供我們參考，豆瓣一邊做一邊琢磨，希望可以成為一個這樣的網站。”楊勃說。
朝著這個目標，豆瓣有了自己的特點：工程師人數超過半數，他們不斷更新算法技術，解讀用戶每一次瀏覽痕跡背後的邏輯關係，最終高效地為用戶帶來最匹配的推薦結果。
這恰好是大數據時代最需要的質素，然而在當年，隻有豆瓣在琢磨一個讓人覺得奇怪的算法邏輯——“你先告訴我你喜歡什麼，然後我向你推薦你更喜歡、更需要什麼”。
讀懂你
“許多口味最類似的人卻往往是陌路，如果能不一一結交，卻知道成千上萬人的口味，能從中間迅速找到最臭味相投的，口口相傳的魔力一定能放大百倍，對其中每一個人都多少會有幫助。”伴隨這一願望，豆瓣誕生了。
而豆瓣的核心能力是從技術引擎開始的。當時，豆瓣對“發現”的理解是“個性化算法推薦”，也就是“豆瓣猜你會喜歡”，這形成了楊勃對豆瓣最初的設想：通過精準強大的算法為用戶進行產品推薦。
但在這之前，還需要建立全麵的興趣圖譜。
創辦豆瓣後的第三年，豆瓣開始加強“口口相傳的魔力”，推出了曾經叫做“友鄰廣播”的“豆瓣說”。接下來，豆瓣社區效應的表現越來越明顯，很多用戶開始在群組活動裏談論生活的方方麵麵，這讓楊勃意識到，是時候將豆瓣社區單列出來，並分化出線上活動、豆瓣小站。
其中，豆瓣小組從上線至今已經有超過30萬個興趣小組被用戶創建，每個月吸引5500多萬人訪問，而話題更是延伸到娛樂、旅行、美容、購物、二手交易、租房等生活的方方麵麵。這是興趣圖譜數據最大的來源所在，也讓豆瓣能從圖書、電影、音樂三大主題擴展到更多生活領域。
豆瓣也一直試著通過用戶行為分析，最終將產品延伸到多個簡單實用的生活服務組合中。不過，不是每一個產品都能存活下來。2006年，豆瓣推出“我去”——專注旅行分享的主題，很快因不受歡迎而停掉。相反，生活類小站、社區中二手交易、團購、手機應用等信息，受到好評。推出新產品、發起用戶意見反饋、最終由用戶決定產品去留，是豆瓣的慣性做法，但除了直接反饋之外，他們更信奉數據量化分析，采取主動的方式去獲得真實聲音而非被動等用戶的“抗議”。
“豆瓣有這麼一群用戶，他們更有特點，更願意展示多維的興趣圖譜，所以我們的數據會更加豐富。”豆瓣首席科學家王守崑說，基於算法技術進行個性化推薦，豆瓣成立時國內還沒有太多人研究，做得早也成為一種優勢。
通過算法自動推薦給你的個性化內容，背後是不斷改進的算法程序，每天從豆瓣頁麵的各個角落統計你的使用行為，比如點擊“收藏”、“感興趣”等內容，從而判斷並猜測你的喜好，然後把相匹配的內容推送在你進入豆瓣時的主頁麵。
當然，那些越是專注在某一個領域的用戶，得到的推薦越精準。這也使得豆瓣在推動有共同愛好、價值觀的用戶集中在一起，形成一個個圈子，由此可以解釋，為什麼不少連載故事會在這裏產生更直接的粉絲效應。
豆瓣猜
最早成為豆瓣算法實驗的領域就是圖書、電影和音樂，因為楊勃認為，它們更適合、更易於做個性化推薦。“在做算法這個領域，有個共識就是有什麼樣的數據就會產生什麼樣的結果，我們在這方麵的基礎會更好一些。”王守崑說。