推薦算法主要有三種
第一種是基于群體的推薦，比如說(shuō)三歲的小孩往往需要喝奶粉，要尿布，那我們就統(tǒng)計(jì)三歲嬰兒適用的奶粉里哪些最流行，推薦給娃兒是三歲的用戶，這種根據(jù)大眾行為的推薦，往往是給所有人或者一個(gè)群體做推薦，做起來(lái)比較簡(jiǎn)單，也不存在“冷啟動(dòng)”的問(wèn)題，這種推薦算法用的最廣，即便是線下的大超市，也會(huì)告訴你當(dāng)月賣的最火的是啥，效果也還行；
第二種是基于內(nèi)容的推薦，比如一個(gè)用戶老是買最貴的新西蘭奶粉，系統(tǒng)給奶粉標(biāo)記幾個(gè)元數(shù)據(jù)，比如進(jìn)口，食品，高價(jià)，推薦系統(tǒng)就可以認(rèn)為這人對(duì)國(guó)產(chǎn)食品不放心，而且支付能力尚可，那么就可以給它推薦，其它標(biāo)記有“進(jìn)口”或者"高價(jià)"的商品，這種推薦方式存在一個(gè)冷啟動(dòng)的問(wèn)題，就是偶爾的幾次購(gòu)買，無(wú)法給出足夠的可靠性來(lái)給人做推薦，另外還存在一個(gè)人工訓(xùn)練的問(wèn)題，因?yàn)樯唐返木S度，需要人工錄入，錄入的時(shí)候也可能錄入錯(cuò)誤，類似的比如豆瓣上的書(shū)，如果出版日期或者作者錄入的時(shí)候就是錯(cuò)誤的，那么對(duì)推薦就會(huì)有影響；
第三種方式就是協(xié)同推薦了，通俗的說(shuō)法就是尿布和啤酒的故事，大意就是說(shuō)找到item(可以是商品或者顧客)的關(guān)聯(lián)性，再根據(jù)這些item的關(guān)聯(lián)性做推薦，這種算法也有冷啟動(dòng)的問(wèn)題，就是矩陣稀疏的時(shí)候，算出來(lái)的效果和隨機(jī)的沒(méi)啥兩樣，它比第二種方式好的地方是不用人工訓(xùn)練，在電商行業(yè)，這種算法應(yīng)用的最廣，效果也是最好。
這三種算法，其實(shí)分別是基于統(tǒng)計(jì)的，監(jiān)督型的，非監(jiān)督型的算法。

在推薦系統(tǒng)起步的階段，往往會(huì)面臨兩個(gè)問(wèn)題，第一是新用戶往往是從來(lái)沒(méi)登陸過(guò)的，也就是冷啟動(dòng)用戶多，第二個(gè)問(wèn)題是沒(méi)有足夠的人手做數(shù)據(jù)清洗，做模型訓(xùn)練，也就是說(shuō)監(jiān)督型的算法，沒(méi)法兒弄。
針對(duì)這兩個(gè)問(wèn)題，我覺(jué)得比較好的做法有以下三點(diǎn)：
一是盡量獲取盡可能多的用戶數(shù)據(jù)，有了數(shù)據(jù)才好做推薦；
二是做混合型的算法，這樣可以避免冷啟動(dòng)的問(wèn)題；
三是模型建立時(shí)多參考營(yíng)銷專家的意見(jiàn)，把他們的經(jīng)驗(yàn)算法化，針對(duì)性更強(qiáng)。