第80篇原创
我已经很久没有怎么刷抖音了，因为我自从我对手机摄影比较感兴趣，我吨吨吨给出几个红心之后，我收到的推送就几乎是手机摄影相关的，内容太过单一，所以后来就很少看了。
看了下人人都是产品经理网站，发现首页是按照时间和热度来推荐的，内容质量还不错。于是就多在上面学习了一会。
以上这两个场景，都与推荐机制相关。所以促使我研究了一下推荐机制。
说到推荐机制，可能大家对“个性化推荐系统”“协同过滤”等一些词汇并不陌生。因为今日头条就是靠着个性化推荐发家的，而亚马逊和淘宝的“猜你喜欢”就是一种“协调过滤”机制。
不过这些机制究竟是怎么工作的呢？利弊各自是什么呢？我其实了解的并不多，所以就带着问题去网上了解推荐机制的相关问题，分享给大家。
推荐机制有哪些呢？
电商的推荐系统，比如亚马逊和淘宝的猜你喜欢，就是“协同过滤”。
协同过滤，可以分为基于物品和基于用户。
基于物品的推荐，即用户购买了a产品，那么我们推荐给他与a产品比较关联的产品b。
基于用户的推荐，即用户A和B相似，用户a购买了a产品，那么我们可以给用户B推荐a产品。
当然原理是这个原理，里面的算法肯定是比较复杂的。
协同过滤也是个性化推荐。
而今日头条把个性化推荐推上了一个新的高度。今日头条的推荐机制围绕内容、用户、环境作为变量，拟合了一个用户对内容满意度的函数。
第一个维度是内容。头条现在已经是一个综合内容平台，图文、视频、UGC小视频、问答、微头条，每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征做好推荐。
第二个维度是用户特征。包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。
第三个维度是环境特征。这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。结合三方面的维度，模型会给出一个预估，即推测推荐内容在这一场景下对这一用户是否合适。
——《今日头条推荐算法原理全文详解》https://36kr.com/p/5114077
图片为《今日头条推荐算法原理全文详解》配图
既然有个性化的推荐，那么就有“非个性化的推荐”，即基于热度的推荐。通过用户的操作赋予这些内容热度进行推荐。
那冷启动的状态下，没有用户，这些内容该如何进行排序呢？可以给内容设置初始热度：把这些内容分解成各种不同的因子，对每类因子赋予不同的权重，最后得出一个分数，进行排序。
比如对于新闻，我们可以把因子设置为发布时间、分类、是否重磅等。比如发布时间，新闻这种时效性特别强的，那么不同的时间区间，权重就应该不一样。时间越近，权重越高。
这些机制的利弊有什么呢？
首先说下个性化推荐。
优点是：
用户能看到自己想看到的内容。
长尾内容能得到消费，可以鼓励内容的创作者。
对公司来讲，可以实现精准营销，提高广告的转化率，
缺点是：
冷启动初期没有用户数据，无法匹配，不太适合。
容易越推荐越窄。出现我之前说的抖音的那种情况。
对算力要求高。需要耗费大量的人力和物力，可能有的小公司负担不了。
而非个性化推荐，比如基于热度的推荐，也有一些优点：
1.成本比较低
2.可以集聚对热点内容的大量关注和讨论
缺点就是长尾内容和新的内容没有得到好的消费。
个性化推荐怎么处理越推荐越窄的问题呢？
可以提供一些其他的功能，弥补个性化推荐机制这个问题。
比如搜索，用户可以搜索一些其他感兴趣的话题。
比如分类导航，用户可以浏览热门话题和其他分类列表。
这样通过用户行为，修补用户的行为数据。
个性化推荐大行其道，为什么还是有些平台采用热度推荐？
比如我发现人人都是产品经理平台，是基于时间和热度进行推荐的。
我想，还是得区分平台的属性。
1. 人人都是产品经理内容比较垂直化。用户基数小，用户群体比较单一，需求比较一致。几乎不存在什么长尾的说法。
2. 属于学习性质的网站，此类网站，大家想要探索的内容是舒适区以外的点，而不是舒适区内部的点。所以不了解的热门内容推荐，是大家需要的。
3. 审核比较严格，可以保证基本上都是优质内容。可以保证内容消费者很好的体验。
4. 除了热度，也有基于时间的推荐，也可以给到内容提供者一定的流量，弥补了热度推荐的不足。
小结
今天主要谈到了推荐机制的几个问题。
常见的推荐机制有哪些？
利弊是什么？
如何弥补个性化推荐的不足？
特别说明的是，选择使用哪种机制，也要看内容平台自身的阶段和属性。
文章参考
今日头条推荐算法原理全文详解 https://36kr.com/p/5114077
今日头条是怎么做推荐的—基于用户的协同过滤https://www.jianshu.com/p/e56665c54df8
产品经理需要了解的算法—热度算法和个性化推荐 https://mp.weixin.qq.com/s/W-q2IY2IZ9OFQyLWT5G8Yw
亚马逊和淘宝的“猜你喜欢“是怎么实现的？https://www.jianshu.com/p/d03fb6d68716
推荐系统的秘密http://www.360doc.com/content/19/0605/16/4387714_840590490.shtml