一。用户自选

　　这一种方式用户具有最大的主动权，网站通过设计清晰的分类导航和站内搜索系统，让用户通过自己的意愿，在网站上寻找到他需要的内容信息。

　　优点：条理清晰，简便有效。

　　缺点：是否能找到精确的信息，一方面取决于用户对信息的归类方式和搜索关键词的组织，一方面取决于网站对信息的归类和关键词的组织。如果两方对同一内容的需求和理解不一致，，一个信息内容，网站归如A类别，用户认为B类别可以找到，那么一定是无功而返。那么这个信息应该打A,B两个Tag，归入两个类别。搜索也是同样的缘故，要在搜索的索引中将可能被用户查询的信息都提供完全。最后，大量的分类和冗杂的搜索信息积累下去，反而又从精确变成了模糊。

　　于是人们发现，各大搜索引擎上的关键词越来越长。

　　总结：作为最基础的方式，没有网站不会提供这个功能，至少都有对信息的分类导航。

　　二。审核匹配

　　审核是指对内容进行审核筛选，诸如通过评分体系，浏览量，点击率，时间和等等其他一些因素，给与大量同类信息进行排序和权重区分，来判断这个内容对用户的需要程度高低，在分类列表或者搜索结果里，将最可能的用户需求信息最先或者最明显陈列给用户。

　　优点：为第一种方式做补充，通过规则对信息进行排序和过滤，降低大多数用户的搜寻成本。

　　缺点：这是一种少数服从多数的匹配方式，即默认需要信息的用户是“大多数用户”，忽视和无视“少数用户”的需求。而评分体系也有体系的问题，让用户进行评分，并不会产生理想化分数，专业评分又缺乏民主性。

　　关于商品分数的问题，我在另外一篇文章里做过讨论——现有商品的评分体系不完美

　　另外，YouTube也得出了结论说，评分的分布并非理想化的。

　　总结：在这个匹配体系里，最大需求被最大满足，最小需求被无视，从损益综合来讲是最优解，但是当这个社会的个性化需求越来越强烈的时候，长尾上的用户需求就没有明显的顺序了，完全是一小撮用户有一小撮不同的需求，而且他们加起来就是一个不可忽视的长尾，怎么给他们推送内容信息呢。

　　三。个性化匹配

　　通过多维度的了解用户的偏好，对用户的信息需求进行匹配。喜欢喝果汁的人通过“苹果”这个词首先查看的是“苹果汁”相关信息，而一个“果粉”通过“苹果”这个词首先找到“苹果电脑”。怎样去定义一个用户个性维度，一般有两种方式。

　　一种叫做“物以类聚”：

　　是通过它喜欢的内容来预估。豆瓣在个性化匹配上做的很不错，它能给用户推非常精准的书籍，电影等等。所以豆瓣需要先了解你喜欢的是什么类型的内容，你需要不断的积累你喜欢的内容，它就越精准的将相似的内容给你。

　　另外一种是“人以群分”：

　　通过你的交际圈来预估。信息的传统流转途径就是通过“群分”的人来进行的，信息共享首先是在圈子和圈子内，兴趣相同的人之间传播，所以这是一个朴素的方法，通过互联网技术提高了传播效率。豆瓣也会告知用户他的好友在关注的东西和搜集的信息，最典型的还是类似开心网这样以人际关系为基础的SNS网站。你的朋友们显然比计算机算法更了解你，他们主动推荐给你，或者他们自己喜欢的信息，相信你也会感兴趣。

　　优点：更精准的匹配，也更加有效

　　缺点：马太效应(Matthew Effect)，好的愈好，坏的愈坏，多的愈多，少的愈少。举一个例子来说明，我在Google Reader订阅了大量的UED相关的blog，结果它就自动推荐UED相关的blog给我，但是我已经订阅够了，我倒是很想看一些写八卦小文的订阅源，但是很难找到。我也不能通过”写八卦小文的订阅源“这个关键词找到合适的Blog。

　　总结：最精准，但是最容易走偏锋。

　　四。无差别推送

　　所谓无差别就是，管你是谁，都给你们传递一样的信息。

　　优点：省事，直接，干脆

　　缺点：容易被用户厌恶

　　总结：也有效果

　　大体上，我总结出来的就这四种方式，各有优劣，至于如何运用，在不同的情景则有不同的具体方式，这个多一些，那个多一些。