在微信读书里面，有根据你以往读过的书或者收藏的书来给你推荐相关书籍，它是什么样来定义这个匹配度的，是怎么做的呢？

这个题目我可以理解为，微信读书是怎么给用户荐书的？推荐机制是什么？

一、微信读书的重度阅读场景

1.消磨时间，满足兴趣爱好，目的性不强，靠兴趣驱动。对象可以是18岁的大学生热爱小说，45岁中年人爱好历史...

2.带有强目的性，阅读是为了获得知识或拓宽思维。对象可以是带孩子的母亲阅读教育类书籍；程序员阅读编程、沟通类书籍；养生女孩阅读保养、护肤、营养类书籍...

二、用户画像与标签

后台能够获取的用户行为数据有哪些？例如：

1.看过、收藏、加入书架

2.浏览足迹、搜索历史

3.平均每天看书时长、每周（随意设定，也可能是每天)启动APP次数

用户侧数据是为了判断用户的兴趣或目的。经过数据处理，可以筛选出用户常点击的三类细分分类、统计每种细分分类阅读时长、每种细分分类下书籍数量...

三、书籍属性

1.所属分类：大分类有小说、哲学、经济、历史、科学、教材...细颗粒度分类，小说包括情感小说、现实小说、武侠小说，教材包括注会、英语阅读...一本小说可能被纳入多个分类。

2.看过的人

3.作者、出版社

4.近一周加入书架、收藏次数、点击量

5.该书籍用户平均阅读时长、平均阅读完成程度（是不是看完了，看了多少？）

书籍侧数据是为了判断在细分分类下该书籍受欢迎程度，越受欢迎表示他越能满足用户需求，越能得到推荐，对用户来说，匹配度越高。受欢迎程度由什么指标判定呢？点击量由高到低排序、收藏量排序、完成程度排序，加权重计算得分。加权计算的结果或许还可以用在搜索排序上。

四、匹配维度

根据以上用户侧和书籍侧的分析，用户可以获得细分分类下权重较高的书籍。但存在一个问题，有没有可能这样推荐的书籍会一成不变，权重较高的经常就是那几本？（马太效应）应该还存在其他指标，或者运营人员会手动推荐。

1.针对特定场景的推荐，例如爱看影视化小说的用户，在影视即将推出的时；爱看现实题材的用户，在出现社会热点事件时，该小说可以加权或手动推荐到首页，例如：我的前半生、庆余年、房思琪的初恋乐园、政治秩序的起源...

2.看过的人可以把书和人直接联系起来，给用户推荐“看过的人还看了那些书籍”可以丰富推荐的多样性，另外这种方式相当于把该分类下的书籍筛选了一遍，对用户来说有一种节省时间免去搜索的便捷感和快感。

暂时想到这么多，我自己没有做过读书类产品，回答的可能牛头不对马嘴，很开心可以和大家一起交流。