[译稿]2009年五大网络趋势之个性化

这周，读写网将发表一个系列专题，分析2009年的五大网络趋势。我们的第一篇文章是关于结构化数据的，第二篇文章是关于实时网络的。我们专题系列的第三部分将讨论个性化方面的内容。个性化长久以来一直是互联网上的流行词汇。2009年的互联网上充斥着海量信息，在这个年代，个性化意味着提供高效的过滤器和内容推荐。个性化最终是指在你需要的时候为你提供所需的内容。这是人们长久以来的一个梦想。接下来让我们看看2009年的产品是否能达到这一点。我们分析的所有趋势都重叠的地方。个性化趋势也是如此。给实时信息的管道加上水龙头个性化通常都是在实时数据的基础上为用户提供一个组织管理层（organization layer）。正如Ken Fromm在《即时网络入门》所阐述的：“互联网正在从由网站和网页组成的离散单元向由信息组成的离散单元转变…这些信息可以和每个用户紧密相连，通过来自社交网站的数据，以及推荐网站和个性化网站，允许用户设定自己的偏好。”如果你是通过TweetDeck，Seesmic或者Peoplebrowser这类控制台式的产品（dashboard product）来使用Twitter的话，那么你可以对人，关键词和话题分组。这是实际中提供个性化的一种有效形式。开放网络：更多关于用户的数据，更好的个性化个性化的另一个方面是网络上开放数据的普及度正在不断提高。许多公司通过API，网络服务，和开放数据标准来将它们的数据对外开放。正如我们在专题的第一篇文章中讨论过的，越来越多的数据正在结构化——允许第三方开发者交叉连接和利用这些数据。那么开放数据是如何导致个性化的产生呢？简单说来，如果应用程序能够将更多有关你和你的社交图的数据利用起来的话，那么为你提供的内容和服务就越具有针对性。这里存在隐私方面顾虑，但是个性化所带来的好处也非常显著。目前网络上存在许多开放数据标准，他们是：1）Data portability （数据的可便携性）——你可以将你的数据和好友从一个站点迁移到另一个站点。 2）OpenID——便携的“身份证”，只需一次注册。 3）OpenSocia——此为Google为社交网络发起的倡议，可以让开发者是使用一组代码来制作挂件。MySpace是其成员，但是Facebook不是。 4）APML ——备受众人关注的标准，你的注意力数据是指网络与你阅读，写作，分享以及消费活动有关的所有信息。 推荐引擎网络上许多消费类的产品希望为你推荐你可能喜欢的内容（link）。在几年前，Alex Iskold就概括了他所认为的四种主要推荐方式1）个性化推荐 ——根据个人过去的行为来推荐内容 2）社会性推荐 ——依据相似用户在过去的行为来推荐内容 3）物品推荐——基于物品本身性质来推荐 结合上面三者 亚马逊可能依然是网络上推荐功能做的最好的一个典范。2009年里另一个新榜样就是Netflix，它在3月份的时候推出了出色的个性化功能。其中包括一个新的口味偏好设置，比如，允许用户选择介于浪漫和悬疑（或黑暗）类型之间的电影。另外它也提供个性化主页和一个混合匹配功能，该功能可以让用户混合并匹配各种类型的电影，结论个性化在2009年取得了缓慢但稳固的进展。尽管它并不像结构化数据和实时网络那样表现强劲，但是我们依然认为个性化是网络演变的一个重要方面。（译者：Moon.Wong）