本文轉載自科多大資料

很多產品，真的是像表面看上去的推薦演算法牛逼成就了他們嗎？

記得在2007年，Yahoo釋出了新的搜尋廣告系統Panama（內部可以看作是一個推薦演算法），試圖於Google的Adwords（個性化廣告推薦）一拼高下。按當時行業和專家的評測，推薦演算法和技術水平應該差別不大。

但是，Yahoo失敗了。

一個重大的差別是Yahoo的廣告主和候選的廣告數量，比Google 的廣告主和廣告的數量，差了好幾個數量級。Yahoo瞄準的是頭部廣告客戶，Google 生來就是面向長尾廣告主。這樣帶來的後果是，使用者的搜尋需求千差萬別，而有限的Yahoo廣告數量，要分配到海量的使用者需求上，不管有什麼好的推薦演算法，都很難滿足使用者千奇百怪的需求。而Google，一出生就是面向巨大的長尾中小個體廣告主，海量的廣告創意，匹配海量的使用者個性化需求，同樣的推薦演算法，效果遠遠勝過Yahoo。再由於馬太效應，大者恆大，Google勝出Yahoo毫無懸念。

這個故事說明，兩者的推薦演算法差不多，差的是，Google有更多的可推薦的內容，可推薦的原料。這個，決定了一個需要推薦的產品的天時地利，也決定了產品的成敗。

同樣的，電商網站也是如此。Amazon很大的一個成功要素，是相關商品的推薦。其實，它的推薦演算法和其其它當時大量的電商網站差別不大，但是它的商品SKU遠遠超過其它的電商平臺。這樣，可推薦的商品，可推薦的原料，才能滿足大量使用者的大量的個性化需求，讓使用者感受到了推薦的魅力和效果。淘寶，京東，拼多多，也大概如此。

大家都說今日頭條的推薦做得好，看過什麼，以後會持續推薦更多喜歡的內容，非常準確，讓人上癮。然而，它們的推薦，其實更多享受的是媒體，自媒體大爆發的紅利，推薦演算法本身起到的作用可能相對有限。

之前很多做資訊推薦的，能推薦的內容除了幾十家到上百家官方新聞媒體釋出的新聞，能推薦的內容真的不多，而使用者對資訊的需求是各式各樣的，那麼有限的新聞內容和創作速度，遠遠無法滿足個性化的推薦需求，無論演算法多好多先進，推薦的效果都會大打折扣。

而到了自媒體創作者的爆發，和內容釋出的監管放鬆，各種內容如雨後春筍一樣崩發出來。同一個事件，有千千萬萬的不同的觀點，不同的解讀，而且，源源不斷的持續一段時間。不同的主題，哪怕是小眾的內容，那麼多寫手，那麼多愛好者，都有人去記錄，去描述，去創作。這樣的好處是，幾乎無所不覆蓋的內容，滿足了廣大使用者的各種內容的需求，哪怕是獵奇的需求。那當然，哪怕是一個So So的推薦演算法，在海量的內容池裡，總能找到幾條滿足使用者需求的內容。

同樣，對於短視訊，類似快手，抖音，創作門檻的大幅降低，讓內容井噴出來，海量的內容，就算一個一般的推薦演算法，也能很大程度上滿足使用者個性化的推薦需求。

那麼看到，推薦演算法雖然很重要，但遠不如可推薦內容和原料的紅利來的重要。也就是說，很多產品，不是產品做得不好，不是後面演算法不好，只是時候未到，紅利未到。成功的產品，很大程度上是內容的爆發成就了他們，而不是表面看上去的推薦演算法。

當然，爆發之後，不同的競爭產品，除了先發優勢，就該拼技術和演算法了。