个性化推荐技术｜产品经理和产品运营的必修课.pdf

个性化推荐技术｜产品经理和产品运营的必修课 最近看到一条新闻，说是腾讯准备花重金收购今日头条，而且势在必得的样子。今日头条很 多人应该不陌生，我也是今日头条的忠实用户，为什么我觉得今日头条做的比其他新闻 /资讯 客户端要好，正是因为他展现给我的内容都是我想看的，随着我在上面的行为越来越多，它 展现给我的内容越准确，今日头条使用的最核心的技术就是个性化推荐技术。 随着移动互联网的兴起，用户的很多行为逐渐从 PC 端转向移动端。人们花在手机上的时间越来越多 。人们随时随地都在使用手机，在你坐车的时候，上厕所的时候，吃饭的时候，甚至在你走路的时 候都在用手机，相对于 PC 端，移动端的特点是屏幕窄，用户使用的时间呈现碎片化。同时随着信息 量越来越大，人们很难从大量的信息中快速找到自己想要的内容。这个体验是非常差的，如果你是 产品经理，如果你面临同样的问题，接下来要讲的内容希望对你有所帮助。 推荐引擎是什么？ 如果你在亚马逊上买过书，你可能会碰到这种情况，当你选择一本书放入购物篮时，它会自动给你 推荐其它的书。比如：购买过该书的人还买过 XXXX ，猜你可能还喜欢 XXXX ，组合推荐，购买该 书还有另外几本书的组合可以享受一个优惠的组合价格。这些使用的都是推荐系统，简单来说推荐 系统就是研究用户在平台上的所有行为，对用户进行人物画像，以及研究平台上的内容 /产品。同时 把用户和产品匹配起来的过程。 推荐引擎的应用范围？ 推荐系统在各个领域有广泛的应用，比如电商网站、视频网站、视频直播平台、新闻客户端、文学 网站、音乐网站等等。下图是推荐系统在著名电商网站、视频网站的一些应用案例及应用效果。 为什么推荐系统能够在各个领域得到广泛的应用？ 推荐系统的架构和核心的算法 下面以我之前做过的一个产品为例来讲解，在架构上，可能每家在做的时候会有些不同，但用到的 一些核心算法，大家应该是差不多的。具体怎么实现，产品经理不需要关注这么细，只需要大概了 解其中的原理就可以了。 推荐系统中常用到的算法包括用户偏好算法，协同过滤算法（ item_base ，user_base ）、关联规则 算法、聚类算法、内容相似性算法（ content_base ）,以及一些其它的补充算法。最终分析出来的 结果是以下几种 常用的应用场景 1 、首页猜你喜欢推荐 由于移动端屏幕较小，一屏展现的内容较少，用户要找到自己感兴趣的内容需要一屏一屏往下翻， 在这个地方展现个性化推荐系统推荐的内容，可以快速抓住用户的眼球。 2 、在发现栏目给用户推荐感兴趣的内容，可以让用户获得惊喜。 3 、内容详情页的关联推荐 /相关推荐，在内容详情页可以给用户推荐与当前内容相似的内容。 4 、阅读结束 /视频播放结束 / 直播结束推荐，推荐与当前内容类似的内容。 5 、搜索页面推荐，当搜索无结果时，可以给用户推荐其感兴趣的内容 个性化推荐系统应用中的几个关键问题 个性化推荐系统是一个非常复杂系统，其中不光涉及数据处理算法和系统架构的灵活性问题，还涉 及系统鲁棒性，数据稀疏性问题、冷启动问题、系统的精准性和多样性问题。 以上是关于个性化推荐系统的一个基本知识，花了点时间整理出来，希望对大家有所帮助。欢迎对 这块感兴趣的同学一起交流。 作者：谢德福（微信号： beancurd191 ）， 9年以上互联网从业经验， 6年以上个性化推荐、大数据 相关经验。毕业进入华为工作 6年后，于 2013 年出来创业至今，专注于大数据技术在影视、文化、 视频、娱乐等领域的应用。 人人都是产品经理（ ）中国最大最活跃的产品经理学习、交流、分享平台