“个性化推荐”到底是什么?（个性化推荐有什么用）

今年的双十一购物节即将到来，相信很多人又要开启买买买的节奏，这段时间对于电商来说是一年一度的大考，为了提升自己的业绩，会制定各种营销策略。“个性化推荐”作为营销策略之一，在这其中扮演极为重要的角色。今天我们就聊聊什么是“个性化推荐”，以及“猜你喜欢”的商品到底是什么来的。

所谓“个性化推荐”，便是我们常说的“千人千面”，系统会根据每个人的历史行为以及人物特征，为其推荐较为合适的物品。比较常见的有网易云音乐的每日推荐以及私人FM，系统根据你的听歌习惯自动为你推荐可能喜欢的歌曲；淘宝的首页商品流会根据你的购物行为数据为你推荐可能想买的物品；今日头条的新闻信息流会根据你的阅读习惯为你推荐可能想看的资讯；而这正是我们一直买买买、看看看而停不下来的真正原因。

我们不难看出，不管是电商还是资讯，或者音乐电影等内容，个性化推荐都离不开用户的数据；有了数据，系统才知道用户的偏好以及特征是什么，所以收集用户的数据非常重要。收集用户数据主要分为两种形式：一种为显式反馈，即用户那个把自己喜欢的和想要的信息告诉你；第二种为隐式反馈，即系统会收集用户的行为数据，这种情况用户一般是不会察觉的。

首先我们看一下显式反馈。最常见的一种方法就是让用户对自己体验过的用品进行评分，以此来体现出用户对此类物品的偏好程度，然后根据用户的反馈信息给出相关的推荐，例如淘宝的购物评分、网易云音乐的我的喜欢等功能；其次便是让用户自己选择自己感兴趣的分类，例如新闻客户端会让你选择感兴趣的新闻分类，豆瓣会让你选择感兴趣的影视类别等。这些用户主动提供信息的方式称为显式反馈。

除此之外，用户看不见的，还有隐式反馈。为什么在现在的大数据时代BAT等互联网巨头拥有不可撼动的优势呢？很关键的一个因素就是他们掌握了大量的用户数据。以阿里为例：在淘宝天猫等电商平台，会记录用户的购物行为，用户的偏好、年龄特征以及生活习惯都能够分析出来；饿了么会记录你的饮食习惯和偏好：你多久点一次外卖，喜欢吃什么食物会被记录；高德地图会记录你的出行信息.你的出行方式以及路线信息等都会被记录下来。单个信息不可怕，可怕的是把这些信息综合起来，就形成了一个完整的人物画像，你的年龄、性格、住址、习惯、兴趣等所有信息都会被提炼出来，而这些都是“个性化推荐”的基石。

有了人物画像，系统便可以根据其人物特征进行个性化推荐。想要达到非常好的推荐效果，系统需要采取非常多的推荐策略，各种复杂策略综合在一起，才能呈现出最完整的效果。今天我们就先介绍两种最常见的两种策略：基于相似用户的推荐，以及基于相似物品的推荐。在这里我们只讲理论不讲具体的技术实现。

基于用户的推荐：这里的用户不是指你要推荐给的目标用户，而是和目标用户相似的用户，也就是根据和目标用户相似的人的偏好，认定他们的兴趣偏好相同。所以该类型的推荐可以分为两步：第一步是找到和目标用户兴趣相似的用户；第二步是根据相似用户的兴趣给目标用户推荐物品。想要找到兴趣相似的用户并不难，我们可以记录每个物品被哪些用户标记为喜欢，如果两个用户喜欢的物品相同的很多，则就认定这两个用户相似度就很高，于是系统就会给目标用户推荐“相似用户买过而目标用户没有买过”的商品。

第二种推荐方式为基于物品相似的推荐，所以这种方式的关键就在于如何找到相似物品；这里的相似物品并不是根据物品的内容是否相似来决定的，而是根据用户的行为。即买过某个物品的用户群体里面，有大部分人都同时买过另一个物品，那就说明喜欢这个物品的人很大可能会喜欢另一个物品，那么就可以认定这两个物品的相似度很高。有了物品相似度，系统便可以给用户推荐相似的物品集合。

这两种推荐策略是最原始，也是最简单的推荐策略，但是他的设计思路是个性化推荐领域最为经典的一个做法，其他的推荐策略大多都是对这两种策略的延伸和改进。

一个完整的个性化推荐系统除了策略以外，还需要机器学习，算法设计、工程实现、数据收集等很多前沿的技术，以后有时间我们再继续探讨。