智能推薦：讓你的業務千人千面

現在對智能給我一種感覺，一邊是信心滿滿，非常智能體貼人性化，另一方面，現實中，我們又常常嫌棄那些東西非常的不好用。理想在五層，運用還停留在一層。        本文的《智能推薦》讓我對目前存在於某音某寶某東的界面顯示有了一定的瞭解，技術方面還需提升，比如某音，同一動作的模仿者太多了，無創意，無意義，且有些視頻純屬拼接剪輯，再加上一個電子音就算作品了。業務瞭解方面也需要提升，誠然我有時候被一些搞笑視頻吸引了眼神，多看了兩秒，但不能代表我對那些惡俗搞笑的一直感興趣，比如德雲社，搞笑的方面很多，但是他們能火起來不是都靠搞笑的，快板、貫口、評書、曲藝等他們都會，纔會火起來的，而想刷這些需要特意去搜，但是和相聲關聯的，我想這些也是很重要的，但顯示佔比太少了。        文中提到的興趣減退機制不曉得抖音有沒有，反正“繭房”肯定有了。要不然世界之大，無奇不有，爲什麼刷到的老是那幾樣。

看過幾本介紹智能推薦的書，大部分對技術細節講得比較多，讓業務和運營人員望而卻步。相比較而言，這本書講得更平白，案例更貼近一般讀者認知，值得管理者、運營者和業務人員也來翻翻看。 【精彩看點】 1、對於互聯網平臺來說，智能推薦並不是萬能的，它只是數據化運營中重要組成部分。 影響推薦系統效果的關鍵因素包括：①UI和UE，②推廣人羣，③數據，④運營經驗，⑤算法。 2、對系統效果的認知 ①不確定思維。推薦系統提供的是概率性算法，旨在提供更高概率的用戶滿意的推薦結果。從指標提升的結果上來看，分發效率提升多少是不確定的。 ②目標性思維。可以在每個業務場景上設置一個較爲合理的目標。建議設置制定一個合理的指標點，在有限的推薦系統試用週期內，通過算法策略調整、運營經驗干預等優化方式，努力讓數據指標有上升性趨勢的增長。 3、推薦系統的驗證方式包括離線驗證、在線驗證和用戶調查。其中，在線驗證的通用指標有黏性(用戶活躍度)、推薦滿意度、用戶留存率、覆蓋率、多樣性和實時性等。 4、推薦系統上線過程中存在兩種錯誤觀念，主要包括技術尖端論、機器萬能論、輕視業務論。 推薦系統的本職工作是服務業務需求，解決業務需求中最重要的部分。 5、對於那些從CMS系統上報到推薦系統的日常新聞一般是如何額解決時效性問題的呢？ 1）設置推薦池的有效期，即設定最低時效性要求。 2）實時推薦，即當新的內容發佈之後，保障新的內容實時入庫、模型實時更新。 3）靈活運用推薦系統的加權體系，如針對重點、熱點的新聞等。 3）突發、熱點新聞實時匹配。 6、電商行業，不同的電商平臺，其盈利模式不同，推薦的業務目標和服務對象會有所不同，對應地會用到不同的推薦策略。 1）以手淘爲例，推薦場景分爲首頁、商品詳情頁、購物車和類目頁等場景。 2）推薦系統中的畫像，是針對個人的服務，不是針對人羣的服務。後者對應營銷意義上的用戶畫像。 3）個性化push。 7、短視頻、社交場景中的推薦，與資訊場景推薦的差異點。 8、爲更好地健康和評測推薦結果的質量，可搭建推薦管理後臺，講算法結果白盒化。 9、智能推薦的應用，需兼顧商業的成本與價值。 智能推薦未來在智慧門店、組織效率提升、政務服務等新的場景中具有廣闊的前景。

看過紙質版，很多不錯的切入點，實用！

內容很新，值得一讀，慚愧的是讀了一個月纔看完[捂臉] 過段時間可以再讀第二遍