在合适的时间、找到合适的人，是绝大多数人类究其一生必须要面对的问题。
不，我不是在说找爱人。
我是说，逛淘宝的时候找到那个尺码跟我一样、刚好在前两天买过并收货的那个人。或者那个味蕾与我一样还未打开的屌丝，身在上海却非得想尝尝顺德正宗的烧鸭。
据说Wave就是专门帮着用户找这个方向的Mr/Ms Right的，自称口袋里的买家群聊社区，。
但是要说Wave，一个自称口袋里的买家群聊社区，能够真正帮用户找到精准的信息与提供信息的活人，似乎还有些距离。
购物：筛选和决策的过程
不管是线上还是实体，购物大多都需要经过：海选——》逐一检索——》确定可能目标——》查看详细信息——》做出是否购买的决策——》下一轮筛选。
这个流程放在实体购物中，受空间限制而相对单纯，且决策的风险小。
但线上购物中不同，线上的商品没有了物理空间的约束，又增加了信息隔空传递的误差。就比如说“海选”这个环节，万能的淘宝集中了不分地域、无论规模的形形色色的商家，几乎可以搜索到想得到、想不到的任何产品。但与此同时，“爆款”横行，尤其是在女装、包包、家居饰品的分类下，想要找到特别那么一点点、又符合自己口味的东西变得越来越难。
所以各类平台上的垂直领域导购类应用越来越多，倒是各有各的用户群体，相得益彰。比如小清新文艺范儿的人喜欢“果库”，价格敏感的用“性价比”，爱打扮的上“美丽说”……
除了专注购物环节前两个流程的导购应用，还有一类基于社区的电商或导购，比如豆瓣、下厨房，通过聚集起一帮有共同兴趣爱好的人，做一些精准的需求匹配和口碑传播，甚至能够让用户直接跳过海选，进入对推荐商品的信息接收和购买决策的环节。
无论切入点在哪里，这两类应用都定位在流程的前三个环节，并通过用户的交易佣金或是品牌代销来获取收益。
Wave：辅助购物决策
与以上两类都不同的是，根据我的理解，Wave打算以一种不是社区（公众推荐）、也不算导购（专业推荐）的方式，来帮助用户解决购买决策环节中的问题：色差？做工？搭配？尺码？值不值？……
这个关注点非常棒，——要知道线上购物决策的风险要大得多，一方面商品实物与网页描述之间往往有差距，另一方面线上购物退换货也更麻烦。
现在常用的决策辅助手段是用户主动发起，通过翻评论来实现能够辅助觉得的信息。这项技能对于我们这些站在马云背后的女人们来说简直是生存必备。
但是翻评论，第一水军多，且分辨困难；第二效率低，人肉筛选合用的信息很慢；第三信息时效性差，有时还会遇到卖家有意替换商品，使过去好评如潮的“爆款”的评价复用在新品上。
这个时候，如果能够实时找到那个对的人，聊两句，两句就好，确实会对最终的购物决策起到关键作用。
水军的原罪
那么牵扯到购物的链条里，自己又明显没有代销之类的打算，如果想盈利，多半就要靠交易佣金。
更何况，有人的地方，就有江湖；有江湖的地方，就有水军……APP本身的开发者想不想通过返佣盈利可以另说，淘宝上有大把想赚钱、且道德底线不高的卖家啊，看那些水军评论就知道了。
更糟糕的可能性是，从此，好评水军和恶意差评师也紧跟着潮流走上了服务化道路，从卖产品变成了卖服务，天天驻扎在wave，见有人关注就一起群聊。
据报道，wave创始人还提到自然语言处理之类的的技术命题。我倒建议，如果要做自然语言处理，先试试把淘宝评价里那些大量的水军找出来，就是一件利国利民的大好事啊～
