在路上听音乐时，我总是习惯在「随机播放」模式下不停的切歌直到切到自己想听的那首歌。不知类似的场景大家有没有"经历"过，是我个人的习惯还是大家也有这样的感觉，所以想写出来顺便通过这个习惯引申出关于推荐的一些感想。
行为：选择「随机播放」总想切歌到「想听的歌」
随机播放
从我的使用习惯来看，「随机播放」多发生在上下班路上或刚忙好稍微放松下的时候，选择「随机播放」意味着想「听歌」这事大过于「听什么歌」，属于行为驱动大过于目标驱动，类似于饿了想吃饭但还没有想好什么饭店，想看场电影但没有决定看什么电影。只是把「听歌」当做一个调剂而不是好好的欣赏音乐。
在这个前提下，如果让用户先去把歌曲选好，建好列表再去开始播放什么的，相必就不那么让人愉悦了吧，只是想随便听听。
想听的歌
在「随机播放」中遇到一首不喜欢的歌怎么办，点击"下一首"的按钮就可以了，如果再不喜欢怎么办，继续下一首。那为什么不去直接选择喜欢听的歌，而是通过这种方式去切换？做了一个图，可以看到：
在选择自己想要听的歌的时候，用户的心理模型大概如图，在这么多歌曲里面去主动寻找想听的歌(蓝点)，如果目标(蓝点)很大，那么很容易就会发现，但是并没有特别强的目标(蓝点)，要想挑选出自己想听的歌，就不那么容易了，很容易选择困难。
而「随机播放」状态下，歌曲的序列是线性的，播放器会主动推送歌曲给你，无需思考下一首是什么，只管当前的歌曲你想不想听，不想听就「切」，再给你换，在被动的「随机播放」中仍掌握着主动权。
在被动中的主动——个性化推荐的产品
我把刚才描述的行为称为「被动中的主动」，被动是在于信息展现内容和顺序非自己编排，而主动则是可以通过一些操作改变被动呈现信息的内容。这种个性化推荐的形式在大家平时使用时已经已经可以发现，这些一定都会也一定会是未来的趋势。
音乐产品的推荐
前面提到的「随机播放」也已经有很好的音乐类产品了，如国外 的Pandora 和国内的豆瓣/虾米电台，用户不考虑有什么歌曲曲库问题，产品会先通过热门或者标签确认你的初步口味，然后通过你主动的对歌曲进行更细的操作，不断的挖掘出适合你的歌曲推荐算法，增加黏性。
电商中的推荐
Amazon.com 的首页非常有名气就是个性推荐商品的功能，在最近国内电商的改版中也发现了推荐所占的位置已经越来越重，这些都是「被动」，而「主动」则是用户在之前浏览过的商品，关注过的东西，商家通过数据的再挖掘从而进行有效的推荐，对转化非常有帮助。
最近火的蘑菇街&美丽说&果库属于导购，主动方面还未看的出，但比起淘宝的庞大来说，已经算是属于精准推荐了。
内容类的推荐
豆瓣在这一块无意是国内做的比较好的，读书频道中的豆瓣猜分别有「猜你感兴趣的新书」，「猜你的阅读兴趣」，「猜你感兴趣的豆列」，书/电影的单页中有「喜欢XXXX的也喜欢」「以下豆列推荐」，这些推荐可以盘活整个豆瓣的内容体系，互相交织在一起变成一张网，而产生推荐的信息也是由用户主动的访问而产生的。
新浪微博的「注册后的推荐」，「右栏推荐」，「微关系」分别根据微博热门，标签&关系，关注分析进行推荐的，也是为了盘活他的整个会员之间的关系而存在的。
还有类似豌豆猜，App Store 的 Genius 也是一样，就不逐个举例了。
被动&主动&推荐
推荐可以降低使用门槛，可以帮助商品快速转化，更能够拉动内容之间的关联，用户会需要这样的功能，但在推荐的背后并不应只是把内容展现给用户，让用户被动的接受，如果全是无用的东西，结果会更糟糕。多给予一些用户能够主动掌控的东西，让用户不知道情况下的参与到推荐中，让推荐更有效更靠谱。
