本文是最近學(xué)習(xí)心得，從一個(gè)產(chǎn)品經(jīng)理角度來(lái)輸出個(gè)性化推薦系統(tǒng)運(yùn)作規(guī)則。

個(gè)性化推薦系統(tǒng)對(duì)我來(lái)說(shuō)不算陌生，雖然看了半年書也研究了一些產(chǎn)品，但一直沒(méi)有系統(tǒng)輸出。

推薦系統(tǒng)通過(guò)分析和挖掘用戶的行為，去發(fā)現(xiàn)用戶獨(dú)特的需求和興趣傾向，再將用戶感興趣的信息或商品推薦給用戶。那么，說(shuō)到底，是從人群中來(lái)、讓人和物發(fā)生關(guān)聯(lián)，再往人群中去。因此主要有三個(gè)重要點(diǎn)：人、物、關(guān)聯(lián)規(guī)則

• 首先要有數(shù)據(jù)，也即推薦來(lái)源內(nèi)容是什么？（人和物的數(shù)據(jù)）
• 算法模型，作用是處理推薦排序規(guī)則
• 應(yīng)用層面，主要負(fù)責(zé)的模塊是設(shè)計(jì)推薦策略

簡(jiǎn)單說(shuō)，就是：

• 它能做什么
• 它需要什么
• 它怎么做

【它能做什么】歸結(jié)到底，推薦系統(tǒng)的目的是找出用戶和物品之間的關(guān)系連接?；ヂ?lián)網(wǎng)最偉大的地方在于連接，人和資訊連接產(chǎn)生了信息流產(chǎn)品，人和商品連接產(chǎn)生了電商產(chǎn)品， 說(shuō)的再深入一些，這個(gè)世界讓人最搞不懂的事情之一，就是搞清楚事物之間，包括人，之間的連接關(guān)系。而人活著，也一直在尋找著自己與世界的連接。
那么，推薦系統(tǒng)說(shuō)的簡(jiǎn)單點(diǎn)，就是在已有的關(guān)系上，預(yù)測(cè)和人有關(guān)的連接信息。

一個(gè)信息流產(chǎn)品，用戶在上面的瀏覽、閱讀、點(diǎn)擊、評(píng)論都是用戶產(chǎn)生的信息，這些與信息與用戶產(chǎn)生了關(guān)系，而推薦系統(tǒng)要做的，就是在這些用戶不斷產(chǎn)生的關(guān)系中去建立依據(jù)，再產(chǎn)生不同的連接。

【它需要什么】接著上面的話，那么推薦系統(tǒng)顯然要的就是已有的連接，這樣才能通過(guò)某種手段去建立判斷依據(jù)，判斷其他可能和人有關(guān)系的連接。

【它怎么做】怎么做，說(shuō)的是背后的原理。也就是推薦系統(tǒng)的算法。
產(chǎn)品經(jīng)理要思考的個(gè)性化推薦原理，應(yīng)該是在什么場(chǎng)景下，設(shè)計(jì)一種合理的規(guī)則，推薦用戶感興趣的內(nèi)容給用戶。

具體展開如下：

一、數(shù)據(jù)（推薦來(lái)源內(nèi)容）

• 用戶數(shù)據(jù)（用戶畫像）
  • 用戶特征屬性
    • 用戶自然身份識(shí)別（性別、年齡...）
  • 用戶偏好屬性
    • 角色偏好
    • 類目偏好
    • 關(guān)鍵詞偏好
    • 場(chǎng)景偏好
      ...
  • 用戶關(guān)系屬性
  • 用戶行為數(shù)據(jù)
    • 用戶搜索行為
    • 用戶瀏覽行為
    • 用戶訪問(wèn)路徑模式
    • 用戶交易行為
    • 生命周期識(shí)別
      ...
• 內(nèi)容數(shù)據(jù)
  • 內(nèi)容信息屬性
  • 內(nèi)容關(guān)系屬性（相關(guān)內(nèi)容、上下游內(nèi)容...）
• 標(biāo)簽數(shù)據(jù)
• 內(nèi)容知識(shí)庫(kù)（通過(guò)文本分析、挖掘去構(gòu)建知識(shí)庫(kù)）

算法層

這部分主要涉及的是推薦系統(tǒng)方法，目前被應(yīng)用廣泛的推薦系統(tǒng)方法主要有：

• 協(xié)同過(guò)濾系統(tǒng)
• 基于內(nèi)容的過(guò)濾系統(tǒng)
• 混合推薦系統(tǒng)

應(yīng)用層

應(yīng)用層面上，推薦算法最主要考慮的是推薦策略，歸結(jié)起來(lái)就是：who、what、how、when、where

• 推薦誰(shuí)的內(nèi)容給用戶
• 推薦什么內(nèi)容
• 在什么場(chǎng)景下推薦
• 在什么時(shí)機(jī)下去推薦
• 在什么位置/渠道去推薦