一、 「四個關鍵」為你揭開推薦系統的神秘面紗
二、推薦系統、廣告系統、搜尋系統三者有何不同？
。三、什麼樣的產品或業務適合採用個性化推薦？
稀疏性，比如圖書的條目數是 300 萬，同時記錄圖書使用者群體人均會在豆瓣收藏幾本書（點看過的視為收藏），豆瓣用人均的看過的次數除以總的條目數算出的值叫做稀疏性。如果乙個產品稀疏性太低，那麼繼續使用現行的推薦系統的相關演算法就會出現問題，因為整個待推薦的內容面臨很大的群體，如果每乙個人喜歡的東西太少時，他就會散落在整個大群體的各個方面，你很難找到人和人之間具體的關係，因為每個人在整個系統裡面的表達興趣太少了。因此，稀疏性低的產品做推薦，要麼是工程難度比較高，那麼效果可能不太好，一般說稀疏性高一點的產品更容易找到人與人之間契合的東西，當然稀疏性也不能過高，如果稀疏性達到百分之**十，那所有的使用者可能就過於相似，所以豆瓣比較強調稀疏性。
多樣性，有乙個有趣的點需要注意。比如圖書的多樣性高，大家可能理解圖書僅根據乙個偵探**就能分出幾十個型別；電影的多樣性低，好像和常規的理解不一樣，事實上因為電影現在是高度工業化和商業化的產品，他們的型別聚集度是相當高的。所以這給了大家乙個啟示，在判斷自身產品時，不要完全憑直覺，而要真的拿自己公司的實際資料說話。
很好理解，我就不解釋了。反饋是指在某個品類中，企業做出乙個推薦行為，使用者什麼時候能給企業乙個反饋，也就是使用者表達自己喜好的反饋時間週期是快還是慢。比如圖書就會很慢，讀完可能需要十天半個月，拖延症的人可能還要讀半年左右；文章就會很快，只要點我的文章就可以定義為偏好，把這篇文章滾動到底就是喜歡；**也是，聽完就是喜歡，很快跳過就是不喜歡。
在圖中他們認為推薦效果最好的是單曲，原因是單曲的稀疏性特別高，雖然多樣性相對來說低級別，但是因為稀疏性高，加上反饋週期特別快，綜合起來效果最好。事實上，這也是為什麼大家在網際網路的花花世界中，還能記得豆瓣 fm 這個產品。不過，豆瓣在其他方面的推薦效果也不錯，比如圖書。
四、以商業為目的，推薦要做成什麼樣？
五、產品、運營必知的推薦系統演算法
。這指的是使用者 b 通過什麼樣子的邊連線到你，是？文字？還是通過分享自己喜歡的文章，像這種不同的連線型別，叫做邊。 邊的權重的不同會幫助更好的推薦。舉個例子，如果發現 facebook 的使用者更喜歡看**，**的邊的權重就會更高；如果使用者總發一些沒有營養的雞湯文，這些文章邊的權重就會下降。
指的是內容本身的發布時間的早晚，越近發布的權重會越高。
神策資料張濤 如何讓使用者標籤價值落地？
本文根據神策資料副總裁張濤在 使用者個性化運營 標籤體系搭建新機遇 主題沙龍中演講整理所得。標籤系統，在企業中已不是什麼 高大上 的說辭。然而讓使用者標籤價值真正落地企業不多，就像 青少年談性 有一段話形容得再貼切不過 everyone talks about it,nobody really kn...
資料驅動銷售 個性化推薦引擎
from 文 簡朝陽 在當前這個資訊量飛速增長的時代，乙個企業，尤其是電子商務企業的成功已經越來越多地與其海量資料處理能力相關聯。高效 迅速地從海量資料中挖掘出潛在價值並轉化為決策依據的能力，將成為企業的核心競爭力。資料的重要性毋庸置疑，但隨著資料的產生速度越來越快，資料量越來越大，資料處理技術的挑...
資料驅動銷售 個性化推薦引擎
在當前這個資訊量飛速增長的時代，乙個企業，尤其是電子商務企業的成功已經越來越多地與其海量資料處理能力相關聯。高效 迅速地從海量資料中挖掘出潛在價值並轉化為決策依據的能力，將成為企業的核心競爭力。資料的重要性毋庸置疑，但隨著資料的產生速度越來越快，資料量越來越大，資料處理技術的挑戰自然也越來越大。如何...