Facebook新的图搜索?效果不是很理想

社交搜索能帮助我们更加容易地从Facebook数据中搜集洞见,也会对Yelp和LinkedIn这样的公司构成威胁。 多年来,通过个人状态更新、上传照片、发表评论、点赞等等,我们不断给Facebook输送大量数据。

但直到本周,才终于有了对这其中任何数据做梳理的办法。 周二,图搜索(Graph Search)解开面纱,不过目前仅向Facebook数十亿用户的一小部分公开,用户可以通过自然语言搜索来追查其社交网络各种信息。 我花了一段时间试用该功能,也相信其潜力巨大。我认为它不会取代谷歌,但是我觉得,未来 我们可以用Facebook找餐厅,找约会,以及求职,对像Yelp和LinkedIn和Match.com这样的网站来说,前景堪忧。

 但是,实现这一未来之前,图搜索还有很长很长的路要走。对于那些喜欢在Facebook上各处点赞和签到的用户来说,这一功能或许很有用,但是,这些举动在我的小社交圈里尚未真正流行起来,因此对我来说,图搜索效果并不是很好。 当我接触到修改后的搜索栏时,最初很是兴奋,想搞清楚我到底应该搜索什么内容。

Facebook似乎已经预料到用户会被选择的搞得很崩溃。搜索栏显示道,「找人、找地方、找东西」,点击它就会得到一系列推荐选择——或许,它在求我想去搜索朋友的照片、附近参观或自己点过赞的照片。 我试了几个简单搜索,例如,「我们家喜欢的饭馆」以及「住在加州洛杉矶的朋友喜欢的中餐馆」。前一搜索的结果列出了一份短的列表,令人惊讶的是,真的包括我哥哥明显很爱的位于加州Albany的Sizzler分店。后一搜索只列出了三个条目(不过,当我输入「住在加州洛杉矶的朋友曾经光临的中餐馆」时,结果就变多了,但这并不必然意味他们喜欢这些地方)。输入「喜欢橄榄球的朋友」,结果只有一个人,也组不成看超级碗的party。 

有一些搜索则要成功地多。我一直在考虑将一些喜欢自行车运动的本地女性聚集起来,因此,我决定搜索「家住加州旧金山朋友中的女性朋友,而且喜欢自行车运动」。结果很成功:找到100多个潜在的自行车骑手。 搜索自己点过赞的照片是一场美妙之旅,沿着记忆的小路一路追溯,一些过目就忘的图片也会浮现出来。图搜索还有一点很赞,就是能以某种非常特殊的方式搜索图片,比如某年,男友照片中,我点过赞的那些,对于那些为网站年度价值照片编辑目录的用户来说,这一功能或许有用。 

搜索人们已经在网站上公之于众的历史照片,也有点酷。比如,搜索1950年以前在纽约和旧金山拍摄的照片,就能带来一些很酷的有关这些城市生活的老照片。 我确实喜欢搜索结果的陈列方式。搜索我朋友点赞的电影,就会出现每部电影的小图片,一些点过赞朋友的名字(以及我朋友总数),本网站喜欢这部电影的人数以及这些人喜欢的其他电影。一个小小的「赞」按钮,更加方便了你对一部电影的认可表态, 一个小小的放大镜也赋予你选择的自由:是否点开一份长名单,看看有谁喜欢这部电影,也喜欢人们已经Po出的以某种方式与这部电影关联的图片,比如,他们自己装扮成《谋杀绿脚趾》爵爷的照片。 

伴随着图搜索结果,网页右边还有一个侧栏,用户可以改善或扩展任何搜索。与微软Bing搜索的整合也做的很好。比如,如果你搜索纽约的美甲沙龙,会出现一个小的Bing地图,你可以放大列表中的任何一个结果。你也能改变正在查找的地方类型,规定你希望谁赞过它或者它应该位于何处。 但是,结果本身大体是让人失望的。通常,涉及我朋友的特定搜索结果没那么多(如果有的话)。

比如,搜索「加州洛杉矶的美甲沙龙,我朋友喜欢的」,我只得到两个结果,每个均有一人点赞。 而且,结果有时也会出现小故障,这些故障反应出处理自然语言搜索之难。比如,我尝试搜索「我的那些喜欢米特·罗姆尼( Mitt Romney)的朋友」,结果显示两位似乎真的喜欢他的人,同时还有一位喜欢「罗姆尼是个混蛋」网站的人。有几次,当搜索住在特定城市的人时,图搜索显示的是一些来自这个城市却生活在其他地方的人。(搜索「生活在加州洛杉矶的单身女性,并且喜欢Videodrome和啤酒」——我认为男人可能会喜欢的东西——出现一个结果,但是,事实上,她住在西雅图)。 

我理解尽快披露图搜素的价值所在,使用的人越多,它的表现就会越好,不过,这也意味着它的第一次迭代会让人失望。为了让图搜索真的有用,Facebook将不得不找出挖掘状态更新和评论数据的办法,并从Open Graph引进数据。毫无疑问,我们也不得不随大溜,更多的点赞、签到、为我们的页面添加更多细节、精心给照片加标签。 Facebook的「赞」和真实世界的情感联系也仅此而已。我对搜索结果的价值表示怀疑。许多点赞或签到仅是少数几个趋于沉迷于此的朋友所为。我怎么知道他们真的确实喜欢这些地方?或许他们只是在赠品的引诱下点了赞。或许我的兄弟是以一种讽刺、跟风的方式给那家Sizzler餐厅点了「赞」。  

入门人工智能应用Facebook
返回顶部