推荐系统

长期靠运营，短期靠算法

• 算法非常短视，如果完全由算法主导就会朝着xxx的方向进行；市场经济，自由根据用户行为决定，产品运营，产生行政干预手段，才能协同发展。

目的

信息过载，帮助路径优化，频繁访问站点，提升用户粘性。

《思考快与慢》

• 快系统：无意识且快速不费力
• 满系统：需注意力并用大脑计算能力。

主动搜索

• 用户有了心智了。
• 搜索撮合供需场合，供应大二全。
• 快速满足，效率高效，停留时间短。
• query+user信息，例如：一个夜晚听的歌（结合用户兴趣）；搜T恤，价格、品牌偏好满足。

被动推荐

• 没有目标，期待不一样，缩短思考路径，提升沉侵式体验。
• 一人为本，更短的路径，匹配人的需求，货品的供给，目标不强，用户 在平台上花时间，时不时的惊喜，粘性培养。
• 持续服务，兴趣挖掘越深，越懂用户，推荐成功率高。
• user + 表征用户的query。

5W

• when：时间维度，涉及用户习惯，比如：易耗品、购物周期、周末销量。
• where：粗粒度，比如：push考虑时间因素，南方羽绒服需求，南北衣服风格。细粒度o2o时效性和区域性。
• who：行为统计，构建画像。
• what：物料自带属性。
• why：推荐解释性、统计、内容规则。

系统角度

• heart模型：happiness愉悦度、满意度、推荐度、感知度、易用性。
• engagement沉浸度：访问频次、点击停留时长，点击转化率、为产品带来点击转化时长，粘性提升。
• adaption采纳性：新用户使用率、客流量、退出率。
• retention用户粘度：老用户留存率、周回访、周访问。

算法维度

• 准确度：预测准确、分类准确、排序准确。
• 其他维度：推荐列表流行性和多样性、召回率、覆盖率、新鲜度和意外性、用户满意度。