这周，读写网将发表一个系列专题，分析2009年的五大网络趋势。我们的第一篇文章是关于结构化数据的，第二篇文章是关于实时网络的。我们专题系列的第三部分将讨论个性化方面的内容。

个性化长久以来一直是互联网上的流行词汇。2009年的互联网上充斥着海量信息，在这个年代，个性化意味着提供高效的过滤器和内容推荐。个性化最终是指在你需要的时候为你提供所需的内容。这是人们长久以来的一个梦想。接下来让我们看看2009年的产品是否能达到这一点。

我们分析的所有趋势都重叠的地方。个性化趋势也是如此。

给实时信息的管道加上水龙头

个性化通常都是在实时数据的基础上为用户提供一个组织管理层（organization layer）。正如Ken Fromm在《即时网络入门》所阐述的：

如果你是通过TweetDeck，Seesmic或者Peoplebrowser这类控制台式的产品（dashboard product）来使用Twitter的话，那么你可以对人，关键词和话题分组。这是实际中提供个性化的一种有效形式。

开放网络：更多关于用户的数据，更好的个性化

个性化的另一个方面是网络上开放数据的普及度正在不断提高。许多公司通过API，网络服务，和开放数据标准来将它们的数据对外开放。正如我们在专题的第一篇文章中讨论过的，越来越多的数据正在结构化——允许第三方开发者交叉连接和利用这些数据。

那么开放数据是如何导致个性化的产生呢？简单说来，如果应用程序能够将更多有关你和你的社交图的数据利用起来的话，那么为你提供的内容和服务就越具有针对性。这里存在隐私方面顾虑，但是个性化所带来的好处也非常显著。

目前网络上存在许多开放数据标准，他们是：

1）Data portability （数据的可便携性）——你可以将你的数据和好友从一个站点迁移到另一个站点。

2）OpenID——便携的“身份证”，只需一次注册。

3）OpenSocia——此为Google为社交网络发起的倡议，可以让开发者是使用一组代码来制作挂件。MySpace是其成员，但是Facebook不是。

4）APML ——备受众人关注的标准，你的注意力数据是指网络与你阅读，写作，分享以及消费活动有关的所有信息。

推荐引擎

网络上许多消费类的产品希望为你推荐你可能喜欢的内容（link）。在几年前，Alex Iskold就概括了他所认为的四种主要推荐方式

1）个性化推荐 ——根据个人过去的行为来推荐内容

2）社会性推荐 ——依据相似用户在过去的行为来推荐内容

3）物品推荐——基于物品本身性质来推荐

结合上面三者

亚马逊可能依然是网络上推荐功能做的最好的一个典范。2009年里另一个新榜样就是Netflix，它在3月份的时候推出了出色的个性化功能。其中包括一个新的口味偏好设置，比如，允许用户选择介于浪漫和悬疑（或黑暗）类型之间的电影。另外它也提供个性化主页和一个混合匹配功能，该功能可以让用户混合并匹配各种类型的电影，

结论

个性化在2009年取得了缓慢但稳固的进展。尽管它并不像结构化数据和实时网络那样表现强劲，但是我们依然认为个性化是网络演变的一个重要方面。

（原文/来源链接 译者：Moon.Wong）