就像大家都懂的，搜索中只是增加一些搜索结果的过滤不足以挑战搜索引擎。那么现在正在兴起的推荐、问答，会挑战搜索引擎吗？
从人类需求的角度看，人们会遇到各种各样的问题，并希望得到解答。解决问题的方式有三种：主动搜索、提问题到问答网站、浏览推荐。当知道需要什么的时候，人们可以通过搜索找到答案，也可以通过提出问题，等待回答；当不知道需要什么的时候，可以浏览，或通过推荐获得答案。推荐则是通过提问或根据用户过去的行为和数据，了解用户的需求，给出建议。
搜索确实给人们提供了一个极其简便的找到答案的方式。输入几个关键字就可以找到答案。人机界面非常简单，简单到只有一个框。说到人机界面，不能不提苹果。近期，大家都看到了Siri语音交互，iPhone和iPad的触摸交互。这极大地降低了产品的使用门槛。使得产品在很短的时间内迅速达到很高的渗透率。同样的道理，简单易用的特点，使得搜索大行其道。
为了强调这一点，我再举一个例子，来说明，有时候，人们把整个社会学习某种技能的速度估计的太乐观了。比如，互联网门户。几乎所有互联网门户都逐渐转型为某类内容的网站，但却忽视了非常简单的网址导航。他们可能没想到，这种技术含量不高的网站是百度、奇虎重要的收入来源。但这就是中国互联网的现实，中国网民的实际需求呀！
可搜索还是有很多问题。最突出的是结果太多，不太准确，或是没有合适的答案。推荐可以部分弥补这些缺点。
推荐可以基于数据分析，也可以是基于社交关系，或是基于用户的点评。
在亚马逊中购买了一本书，它就会推荐相关的书籍，ClothesHorse根据用户对问题的回答，为用户提供合适的穿衣尺码。这些是基于数据分析的。导购网站基本是通过用户分享和评价来提供用户参考，美国的Forkly则是美食的社会化网站，主要也是根据用户的评价提供建议。阅读推荐和分享则更是非常普遍和历史悠久的。导购、美食、阅读这几个应用则是基于社交和分享的。
基于社交和分享的推荐和问答可以比较好地解决搜索引擎不准确，结果太多的问题。是非常有前途的。它们的成功有几个关键要素。
其一，寻找用户聚集地。数据分析也罢，社交及点评也罢，都需要大量用户。自己集聚用户当然最好，但非常难，可能更合理的方式是与海量用户的社交网站合作。
其二，社交关系网的利用。这方面Linkedin做的不错。
其三，数据挖掘。这是推荐的基础。
今天，社交网络已成为巨大的存在。而基于社交关系的推荐、问答等应用已然出现苗头。我看好这里的机会。它们的发展很可能会对搜索引擎产生影响。
