两位MIT学生欲打造推荐引擎巨无霸，Tipflare 根据用户输入内容进行一站式推荐

网络内容如此丰富多彩，信息量大到让我们难以招架，内容推荐引擎在这个时候就派上了用场，它可以根据我们的喜好，甚至分析我们的用户行为为我们推荐我们想要的内容。于是，细分领域的推荐引擎如雨后春笋纷纷拔地而起，比如，电影推荐有Netflix，书的推荐有
GoodReads等等，如此多的推荐引擎又让用户目不暇接。

两个来自MIT的学生做了一个一站式通用推荐引擎
Tipflare，也就是说，在这个内容推荐引擎里面啥类别都可以推荐，用户再也不用点好几个站点来分别寻找相关分类产品的推荐了。更重要的是，以前的推荐都是基于用户的浏览历史或者购买记录来推荐的比如Amazon，而Tipflare是根据用户的喜好进行推荐的，它获取用户喜好的方式有两种，一种是手动输入，另一种是通过Facebook的“like”。

我们来试用一下这个产品：

首先注册，激活账户，然后可以选择是否授权Tipflare连接Facebook，完成后就可以看到简洁的用户界面。

点开左边导航栏Books，它的下拉菜单里包含两个菜单，一个是Tips for you，但我们首次打开时候是没有内容的，需要在每二个菜单里填写Your likes。

我在Movie的Your likes里面填写了一部电影名称《BraveHeart》，Tipflare给这部电影进行了分类，它的分类为：Action & Adventure, Dramas等。再点Tips for you ，就会发现它给你推荐了很多与这三个关键词相关的电影，而且会按相关度排序，并把相关度显示出来供用户参考。

这就是它的基本原理了，不过试用其他类别之后的感受仍然有改进空间，需要手动输入Your likes让人觉得有点麻烦，而且它的匹配程度也不是特别理想。这种推荐方式跟昨天36氪开放日上展示的项目“
Jing.fm”有点像，都需要先输入再推荐，不过Tipflare要求用户输入的是歌名，而Jing.fm要求用户输入的是情感、感觉。

另外，他们的餐厅搜索来自
Yelp。这不禁让我觉得它的商业前景或许将比Yelp更加广阔，因为它包含更多类别的商品。当搜索某一本书的时候，Tipflare显示的结果可以直接链接到Amazon等电商网站，如果搜索推荐的体验更好，流量更大的话，为电商导流量模式将给这家推荐引擎带来不菲的收入。

Via  
TC