智能推荐：让你的业务千人千面

现在对智能给我一种感觉，一边是信心满满，非常智能体贴人性化，另一方面，现实中，我们又常常嫌弃那些东西非常的不好用。理想在五层，运用还停留在一层。        本文的《智能推荐》让我对目前存在于某音某宝某东的界面显示有了一定的了解，技术方面还需提升，比如某音，同一动作的模仿者太多了，无创意，无意义，且有些视频纯属拼接剪辑，再加上一个电子音就算作品了。业务了解方面也需要提升，诚然我有时候被一些搞笑视频吸引了眼神，多看了两秒，但不能代表我对那些恶俗搞笑的一直感兴趣，比如德云社，搞笑的方面很多，但是他们能火起来不是都靠搞笑的，快板、贯口、评书、曲艺等他们都会，才会火起来的，而想刷这些需要特意去搜，但是和相声关联的，我想这些也是很重要的，但显示占比太少了。        文中提到的兴趣减退机制不晓得抖音有没有，反正“茧房”肯定有了。要不然世界之大，无奇不有，为什么刷到的老是那几样。

看过几本介绍智能推荐的书，大部分对技术细节讲得比较多，让业务和运营人员望而却步。相比较而言，这本书讲得更平白，案例更贴近一般读者认知，值得管理者、运营者和业务人员也来翻翻看。 【精彩看点】 1、对于互联网平台来说，智能推荐并不是万能的，它只是数据化运营中重要组成部分。 影响推荐系统效果的关键因素包括：①UI和UE，②推广人群，③数据，④运营经验，⑤算法。 2、对系统效果的认知 ①不确定思维。推荐系统提供的是概率性算法，旨在提供更高概率的用户满意的推荐结果。从指标提升的结果上来看，分发效率提升多少是不确定的。 ②目标性思维。可以在每个业务场景上设置一个较为合理的目标。建议设置制定一个合理的指标点，在有限的推荐系统试用周期内，通过算法策略调整、运营经验干预等优化方式，努力让数据指标有上升性趋势的增长。 3、推荐系统的验证方式包括离线验证、在线验证和用户调查。其中，在线验证的通用指标有黏性(用户活跃度)、推荐满意度、用户留存率、覆盖率、多样性和实时性等。 4、推荐系统上线过程中存在两种错误观念，主要包括技术尖端论、机器万能论、轻视业务论。 推荐系统的本职工作是服务业务需求，解决业务需求中最重要的部分。 5、对于那些从CMS系统上报到推荐系统的日常新闻一般是如何额解决时效性问题的呢？ 1）设置推荐池的有效期，即设定最低时效性要求。 2）实时推荐，即当新的内容发布之后，保障新的内容实时入库、模型实时更新。 3）灵活运用推荐系统的加权体系，如针对重点、热点的新闻等。 3）突发、热点新闻实时匹配。 6、电商行业，不同的电商平台，其盈利模式不同，推荐的业务目标和服务对象会有所不同，对应地会用到不同的推荐策略。 1）以手淘为例，推荐场景分为首页、商品详情页、购物车和类目页等场景。 2）推荐系统中的画像，是针对个人的服务，不是针对人群的服务。后者对应营销意义上的用户画像。 3）个性化push。 7、短视频、社交场景中的推荐，与资讯场景推荐的差异点。 8、为更好地健康和评测推荐结果的质量，可搭建推荐管理后台，讲算法结果白盒化。 9、智能推荐的应用，需兼顾商业的成本与价值。 智能推荐未来在智慧门店、组织效率提升、政务服务等新的场景中具有广阔的前景。

看过纸质版，很多不错的切入点，实用！

内容很新，值得一读，惭愧的是读了一个月才看完[捂脸] 过段时间可以再读第二遍