個人化商店更能幫助開發者獲利
日前Google Play全球應用程式及遊戲產業發展總監Purima Kochikar在簡報及訪問裡提到，Play商店也在朝個人化商店的方向邁進，且他們相信，這對開發者來說是好的。
其實我們每天都會碰到機器學習，打開Facebook或Twitter，看到的是他們根據你的喜好，推薦給你的po文，一進入YouTube，推薦的也都是最近你愛看的內容，我們每天都會看到機器學習送給我們的內容，這樣的變化，有人覺得很棒很方便，使用者可以立即看到感興趣的內容，廣告主也可以找到對某話題興趣的人，精準投放廣告。
但也有人認為，機器學習的結果，只挑出你有興趣的內容，意味著會篩選掉很多系統認為你沒興趣的內容，這樣使用者在網路上接觸到的議題範圍會越來越窄，對訓練多元思考來說不是好事。
若把這推薦邏輯套用在程式商店裡，可能系統推薦給使用者的，永遠就是那幾種類型，使用者可能永遠接觸不到其他不曾搜尋過的內容，開發者也就接觸不到更多元的用戶。
儘管有人質疑機器學習精準篩選內容會帶來這種負面效果，但Purima提到，他們相信個人化對開發者來說是好的。
現在推廣App，以及開發者最想解決的問題，是如何找到對的用戶，很多時候開發者並不知道他們的用戶在哪裡，以至於花了很多行銷預算，做廣泛的露出，接觸了一大群人，希望能在裡面找到一小群對的目標對象，但錢花了，可能有效果，也可能沒效果，如果是後者，不僅浪費預算，可能也會讓開發者無法抓到改善或行銷的方向。
因此對開發者來說，最好能透過機器學習，找出哪些人喜歡你的App或遊戲，這樣才能接觸到目標對象，之後遇到要新增App內容、付費，或是介面改版時，才能作出準確的判斷，對Play商店的業務團隊來說，目標就是要幫助開發者獲利，因此幫他們在全球找到準確的用戶是一項很重要的工作。
努力的目標：機器懂你要什麼 推薦對的App
除了導入機器學習，Play商店也正努力在和搜尋...等其他Google服務做整合。
有時候我們在搜尋某關鍵字時，發現Google會在搜尋結果裡列出一些推薦App，但即便目的一樣，若我們用較長的疑問句做搜尋，就不見得會列出推薦App。
比方當要規劃東京旅行時，我們輸入「JR東日本」，Google會在結果裡告訴我們有JR東日本這個App可以安裝，但當我們搜尋「東京JR」，或搜尋「從新宿到台場」時，就沒有列出東京交通相關的App，其實不管輸入什麼，我們的目的都是要找「在東京旅遊的交通資訊」，但搜尋還無法洞察我們的意圖，以至於換個問法，就找不到那個可以幫我們解決問題的App。
其實對Play商店來說，最好的搜尋體驗是在任何地方（比方Google Search），用自然的問法，就能找到那個幫我們解決問題的App。
在日前Google Playtime活動中，Google Play全球應用程式業務發展總監Larissa Fontaine提到，Google Play團隊一直在努力運用像是AI、機器學習、自然語言辨識...等技術，提升Play商地的使用體驗，讓用戶不一定要輸入精確的字句，系統也能懂得使用者的目的，做出對的推薦，解決用戶的問題，這的確也是團隊的目標。
機器學習是最近很熱門的一項技術，很多人應該是從AlphaGO打敗世界圍棋冠軍開始，認識這個技術，其實手邊的很多服務，也正在，或陸續導入機器學習，改善使用體驗，如Google相簿會自動辨識照片裡的人事時地物，以及這裡提到的，讓Play商店更懂你的意圖，推薦出對的App，看來未來Google的各產品，真的會因為機器學習，而變成真正的，更深層的個人化服務。
