轉(zhuǎn)移

推薦系統(tǒng)實(shí)施的兩大前提：信息過載误趴，需求不明確（需求明確請搜索引擎屉来，在很多情況下茫死，用戶其實(shí)并不明確自己的需要跪但，或者他們的需求很難用簡單的關(guān)鍵字來表述。又或者他們需要更加符合他們個(gè)人口味和喜好的結(jié)果峦萎，因此出現(xiàn)了推薦系統(tǒng)屡久，與搜索引擎對應(yīng)，大家也習(xí)慣稱它為推薦引擎爱榔。）

互聯(lián)網(wǎng)帶來了極大的自由和民主涂身，信息流通更加通暢。但是目前正在發(fā)生潛移默化的而變化搓蚪。互聯(lián)網(wǎng)展示給我們的信息越來越是我們喜歡看的丁鹉，而不是我們應(yīng)該看的妒潭。?從心理學(xué)角度看悴能，人類的認(rèn)知存在著證實(shí)偏差的。也就是說雳灾，人們傾向于通過接收與自己相符的觀點(diǎn)去強(qiáng)化自身的固有觀念漠酿；以及通過攻擊和無視與自己相左的觀點(diǎn)去避免固有觀念受到?jīng)_擊。如果一個(gè)社交網(wǎng)絡(luò)天天推送的都是我不認(rèn)可的觀念谎亩，我可能會覺得它沒價(jià)值炒嘲，因此刪了它。產(chǎn)品經(jīng)理們?yōu)榱吮苊膺@樣的用戶流失匈庭，都開始想方設(shè)法的去了解用戶偏好夫凸，投其所好。這樣基本上是個(gè)雙贏的結(jié)果阱持。為了吸引和留住客戶群夭拌，這個(gè)是成本最低而且相當(dāng)有成效的做法。

這是因?yàn)槿说?b>思維都是有惰性的衷咽，當(dāng)看到與自己的想法相似的觀點(diǎn)時(shí)鸽扁，會自然而然很輕松的去接受，而遇到向左的觀點(diǎn)時(shí)镶骗，總是會在心中激起或大或小的波瀾桶现，可能這個(gè)波瀾很小很小，但還是要花費(fèi)心思向另外一個(gè)方向去思考鼎姊。

人一直都在選擇自己的接觸對象骡和，只是網(wǎng)絡(luò)讓這種選擇更簡單而已。

出于用戶需求：當(dāng)今互聯(lián)網(wǎng)各種內(nèi)容信息基本是過載的此蜈，個(gè)性化推薦可以讓用戶更快地獲取到喜歡的內(nèi)容即横。

出于產(chǎn)品層考慮：解決用戶的需求不就是一件要做的事？而且能把內(nèi)容展示的有效性提高裆赵，轉(zhuǎn)化率提升东囚。單次的展示效率更有效甚至值錢。

在互聯(lián)網(wǎng)經(jīng)濟(jì)從IT走向DT驅(qū)動的背景下战授，傳統(tǒng)粗放式页藻、滯后性的數(shù)據(jù)處理方式早已經(jīng)不能滿足企業(yè)對數(shù)據(jù)價(jià)值應(yīng)用以及精細(xì)化運(yùn)營的需求

通過技術(shù)手段，自動化服務(wù)鏈條植兰。應(yīng)對業(yè)務(wù)規(guī)模的手段份帐。個(gè)性化內(nèi)容推薦。

從粗放式到個(gè)性化推薦楣导、精準(zhǔn)化服務(wù)是歷史發(fā)展必然趨勢

目的：

用戶角度废境，提高用戶體驗(yàn)，提高用戶忠誠度，抓住用戶的興趣噩凹；

產(chǎn)品角度巴元，提高用戶體驗(yàn)，用戶留存時(shí)間驮宴，提高轉(zhuǎn)化率逮刨，日活月活；

1. 最早的推薦：Yahoo!等門戶 那個(gè)時(shí)候互聯(lián)網(wǎng)剛剛起步堵泽，大家根本不知道該去哪看什么修己。于是yahoo說，我們的編輯團(tuán)隊(duì)給你推薦迎罗，這個(gè)網(wǎng)站好睬愤，你看這個(gè)。門戶的推薦佳谦，現(xiàn)在仍然是很多人發(fā)現(xiàn)內(nèi)容的方式戴涝。

2. 關(guān)鍵字內(nèi)容推薦：google等搜索引擎? 這時(shí)候互聯(lián)網(wǎng)內(nèi)容已經(jīng)要爆炸了，人們希望找到自己關(guān)心的內(nèi)容钻蔑，于是搜索引擎成了相關(guān)主題的最好網(wǎng)頁的推薦啥刻。

3. 熱榜推薦：論壇熱門/各類排行榜? 后來論壇出現(xiàn)了，帖子亂七八糟咪笑，有些人上來只是想看看最近大家都在討論啥可帽，于是論壇把每天的熱帖放在一起搞個(gè)榜單，按照熱度推薦給用戶窗怒。這個(gè)在傳統(tǒng)行業(yè)中經(jīng)常見到

4. 個(gè)性化搜索引擎：搜索引擎做到后來就發(fā)現(xiàn)映跟，每個(gè)人對同一個(gè)主題的需求不同，于是搜索引擎盡可能的根據(jù)每個(gè)人的搜索記錄扬虚，來判斷這個(gè)人關(guān)心這個(gè)詞的哪個(gè)方面努隙。

5. 電商個(gè)性化推薦：這個(gè)應(yīng)該是亞馬遜把它搞出名了，亞馬遜根據(jù)歷史瀏覽記錄和購買記錄以及用戶的評論來對用戶進(jìn)行推薦辜昵。

6. 電臺個(gè)性化推薦：這多虧last.fm把這事搞出名了荸镊，基于用戶點(diǎn)贊的歌曲來推薦喜歡的歌曲，這個(gè)在國內(nèi)后來的網(wǎng)絡(luò)電臺都采用了類似的方法

7. 廣告?zhèn)€性化推薦：這個(gè)最早聽說是google的廣告產(chǎn)品堪置，根據(jù)用戶的歷史數(shù)據(jù)躬存，在各種接入google廣告位的地方為用戶推薦商品。

8. 新聞個(gè)性化推薦：這與移動端的崛起有關(guān)舀锨，出現(xiàn)一大批網(wǎng)絡(luò)雜志岭洲，與門戶大而全不同，網(wǎng)絡(luò)雜志希望給用戶推薦用戶關(guān)注的新聞坎匿。

9. 社交網(wǎng)絡(luò)推薦：社交 ?網(wǎng)絡(luò)發(fā)展起來發(fā)現(xiàn)好友新鮮事太多了盾剩，于是根據(jù)用戶的互動雷激，給用戶推薦用戶想看的內(nèi)容。相信大家都對微博的推薦吐槽致死了彪腔。知乎也屬于此侥锦。?

一轉(zhuǎn)眼，智能推薦早已在國內(nèi)風(fēng)靡了數(shù)年德挣。除了音樂平臺，新聞平臺快毛、自媒體平臺格嗅、購物平臺、廣告平臺唠帝、直播平臺屯掖、視頻平臺、游戲平臺……都紛紛開始轉(zhuǎn)向智能推薦襟衰。它們理由也非常正確：在這個(gè)信息爆炸的時(shí)代贴铜，傳統(tǒng)的人工分發(fā)太沒效率了，我們要依據(jù)大數(shù)據(jù)瀑晒，利用智能算法绍坝，一方面實(shí)現(xiàn)推送內(nèi)容和用戶喜好的高度契合，另一方面也大大提高信息的分發(fā)效率苔悦。所有的平臺都在致力于提高算法質(zhì)量轩褐。

集體智慧 (Collective Intelligence) 并不是 Web2.0 時(shí)代特有的，只是在 Web2.0 時(shí)代玖详，大家在 Web 應(yīng)用中利用集體智慧構(gòu)建更加有趣的應(yīng)用或者得到更好的用戶體驗(yàn)把介。集體智慧是指在大量的人群的行為和數(shù)據(jù)中收集答案，幫助你對整個(gè)人群得到統(tǒng)計(jì)意義上的結(jié)論蟋座。

Wikipedia 是一個(gè)知識管理的百科全書拗踢，相對于傳統(tǒng)的由領(lǐng)域?qū)＜揖庉嫷陌倏迫珪琖ikipedia 允許最終用戶貢獻(xiàn)知識向臀，隨著參與人數(shù)的增多巢墅，Wikipedia 變成了涵蓋各個(gè)領(lǐng)域的一本無比全面的知識庫。也許有人會質(zhì)疑它的權(quán)威性飒硅，但如果你從另一個(gè)側(cè)面想這個(gè)問題砂缩，也許就可以迎刃而解。在發(fā)行一本書時(shí)三娩，作者雖然是權(quán)威庵芭，但難免還有一些錯誤，然后通過一版一版的改版雀监，書的內(nèi)容越來越完善双吆。而在 Wikipedia 上眨唬，這種改版和修正被變?yōu)槊總€(gè)人都可以做的事情，任何人發(fā)現(xiàn)錯誤或者不完善都可以貢獻(xiàn)他們的想法好乐，即便某些信息是錯誤的匾竿，但它一定也會盡快的被其他人糾正過來。從一個(gè)宏觀的角度看蔚万，整個(gè)系統(tǒng)在按照一個(gè)良性循環(huán)的軌跡不斷完善岭妖，這也正是集體智慧的魅力。

Google：目前最流行的搜索引擎反璃，與 Wikipedia 不同昵慌，它沒有要求用戶顯式的貢獻(xiàn)，但仔細(xì)想想 Google 最核心的 PageRank 的思想淮蜈，它利用了 Web 頁面之間的關(guān)系斋攀，將多少其他頁面鏈接到當(dāng)前頁面的數(shù)目作為衡量當(dāng)前頁面重要與否的標(biāo)準(zhǔn)；如果這不好理解梧田，那么你可以把它想象成一個(gè)選舉的過程淳蔼，每個(gè) Web 頁面都是一個(gè)投票者同時(shí)也是一個(gè)被投票者，PageRank 通過一定數(shù)目的迭代得到一個(gè)相對穩(wěn)定的評分裁眯。Google 其實(shí)利用了現(xiàn)在 Internet 上所有 Web 頁面上鏈接的集體智慧鹉梨，找到哪些頁面是重要的。