基于内容发现和推荐引擎 outbrain.com

基于内容发现和推荐引擎是一家帮助CNN和今日美国等出版商想读者提供广告的创业公司，的业务模式是向出版商提供软件，这些软件能向读者发出有关跟进报道的推荐，从而帮助出版商把读者留在自己的网站上。总部位于纽约，由联合创始人兼首席执行官亚伦·加莱(Yaron Galai)负责运营，他是一位长期从事广告技术行业的资深人士，创办的目的是为博客主和新闻网站提供了一个插件，装上该插件后，每篇博客文章和新闻的Zhui后将出现一个评分界面，读者可以对文章内容进行评分。与此同时，读者也将看到一些个性化的推荐其阅读的内容。会在其推荐的报道中加入广告，以此作为盈利渠道，并与出版商进行收入分成。的目标是利用插件，创建一个跨博客和跨网站的推荐系统。目前，该系统的运作方式主要是利用用户的协作，然后根据算法生成一些推荐内容，并会在文章的后面提示:“你也许也喜欢”，然后列出一些文章。与国内的无觅网站插件类似。有一个特点，那就是使用非常方便，无需注册，用户就可以对文章进行评分。所有的评分都是匿名的，而且数据保存在用户端的cookies中。用户每进行一次评分，我们的系统就会进行一次计算，得出每一个用户与其他用户的相似度和兴趣重合度。此后，在向你推荐内容的时候，与你的相似度比较大的用户推荐的内容的比重就会更大。因此，你评分的次数越多，我们的推荐就越精准，不过，前提是你的评分是真实的。这种方式和“相关文章”插件是不同的，因为“相关文章”插件的推荐依据是文章的内容。这种方式太过于粗暴专断，推荐的东西基本就是以偏概全，内容基本一样。我们认为，这种方式明显是不合适的。因此，在别人在做内容相似的推荐的时候，我们做的是与你的喜好相关而不是与内容相关的推荐。更加强调用户的参与度，用户的参与度越高，推荐的精确度也越高。同时，由于有了用户的参与，的推荐也就更加的个性化，这也是其与基于内容的“相关文章”插件的巨大差别。