夏日的高溫讓人往往一走出門口就頭昏眼花，但即使在33度C的高溫下，要決定中午吃那一間餐廳仍然是一件很困難的事情。走在陌生的大街上，有那麼多的選擇，你常常因為不想吃到難吃的一餐，無法決定到底要進去那一間。後來，你的同伴說，就看那一間最多人就去那一間吃吧，這種選擇的策略每天都在發生。由於人的有限理性，不可能獲得全部的資訊做出最佳的決策，只能在有限的資訊中做出最有利的選擇，而「人氣」往往是一個指標。為了規避交易可能發生的風險，資訊搜尋增加了交易成本。為了降低這種風險，「人氣」是低風險的指標之一，最多人訂閱的報紙、最多人上的網站、最有票房的電影、最都人同上的遊戲、最多人愛的性感女神…最多的最多指標。
如果說，web 1.0代表的是人與機器的關係，那web 2.0就是將人與人的關係帶進了網際網路發揚光大。人氣這個指標在web 1.0時代叫做造訪率、page view，2.0時代就叫做推薦、Gy、digg、頂、kick或者任何你聽過的推薦機制。由於人不可能處理全部的資訊，所以必須在有限的資訊下做出最好的判斷，而一個能提供判斷依據的業者自然就能產生使用者價值。因此，再以吃路邊攤為例，當你望著茫茫的招牌無法做出判斷的時候，你可能拿起一本生活雜誌，找出吃到飽 99家、風味小吃350家等類目，再找到自己目前所在的位置，看看離你最近的地點有哪些好吃的、編輯推薦的。此時，雜誌的品牌、權威、分類的方式都影響你對編輯的信任，成為你做決策的依據，也成為提供依據業者的價值所在。 各家店也會用這些「被權威刊登」的訊息來提昇自己的地位。除了透過美食雜誌之外，你也會觀察用餐時間各家餐廳的人數來作為判斷的依據，越多人用餐的店家代表越多人肯定他的品質以及口碑越好。
試著以TPB（計畫行為理論）這樣的架構來協助分析的話，進入某一家商店用餐的意向來自對某店的「態度」與「主觀規範」，編輯雜誌推薦影響了「態度」。人氣主要影響了主觀規範這樣的變項，只要操作這兩個變項就能影響進入某一餐廳用餐這個行為。當然，這都要在第三個變項允許的情況下，使用者覺得自己消費得起。
類推到網路使用上，那麼多的資訊需要整理，以提供使用者使用時。一開始的作法是分類（category），將許許多多的資訊階層式的分類，讓使用者像找美食雜誌一樣的尋找自己要的資訊。但是，分類並無法抓住一個概念的全貌，就像泰國菜除了屬於異國料理外，也可以用酸辣食物、米飯類來形容。因此，關鍵字成為整理分類資訊的另一種方法，用許多的關鍵字來代表一個值得記憶的事物，並且透過搜尋來整理、分類。早期的關鍵字由網站編輯整理，對使用者意義似乎沒那麼大，跟分類整理其實差不多。但是，當使用者主動下關鍵字的作法興起之後，改名為tagging的關鍵字頓時成為一種新的社會現象。你可以透過運算瞭解整個民意如何將一些值得記憶的東西具體化成幾個單字。
而在於主觀規範這一點，使用者參與帶來了什麼呢？digg這個網站可以當作一個範例，重要的新聞由使用者自己決定。簡單的遊戲規則，每個人可以post一個link或者推薦（不推薦）一個link。網站的首頁就這樣由每個使用者決定了，使用者也可以瞭解其他人對於事物的看法，整個主流的價值規範。除此之外，其實什麼都是可以排序的，google以網站的被link數決定page重要性、3C網站以使用者review的分數排序，digg則每個link給每個使用者一票去推薦。
這樣的推薦機制除了提供給使用者一種重要性的排序、一種價值，同時也創造了社群，重視某些價值的社群。除了一些新興的2.0網站之外，應該也會慢慢的融入各大網站的社群功能之中。因為除了現在這些技術上的樣貌，針對使用者偏好去做分類分群，也許可以得到一些更有趣的東西。但是這些資料要怎麼轉換成利潤呢？還是先做起來慢慢想吧。