怎样开启个性化推荐（什么是个性化推荐）

本文内容来自于近期神策数据举办的《智能推荐——应用场景与技术难点剖析》闭门会上的分享内容整理，分享者为神策数据副总裁张涛，曾就职于腾讯、映客和豌豆荚等知名互联网公司。

大家好，我是张涛，在加入神策数据之前的 10 年中，我一直在 C 端产品中从事产品设计和运营管理相关的工作，做的产品包括工具类、电商类、内容类等，在这个过程中，关于搜索推荐操盘过很多实践的项目，有从 0 开始做的，也有在中后期介入做优化迭代的。因此，今天关于推荐的分享可能不那么偏技术视角，这有一个好处，是帮助产品和运营人员更加了解推荐，也让技术更了解业务产品视角下的推荐。

今天的分享将为大家解答以下几个问题。你的公司是否适合采用个性化推荐？如果需要个性化推荐，该如何做好？产品运营在参与到一个推荐系统的构建当中，有哪些常见的坑？有哪些可以避开这些坑的一些简单方法？以及如何修炼成一个优秀的推荐产品经理？

个人认为，推荐系统是根据用户以及不同的场景差异，对信息进行合理的排序、过滤，解决信息过载问题的一套机制。这个定义中包含四个关键点，如下：

1.“根据用户以及不同的场景差异”

对于很多刚开始做推荐的人可能会忽略这一点，大部分人在思考推荐时想的更多的可能是基于用户来做，但其实我从众多实践中发现，很多时候推荐产生价值不仅仅只是说以用户进行区分，相关场景的差异会对于最后推荐效果产生巨大的影响。

2.“推荐的本质是对信息进行合理的排序、过滤”

很多人认为推荐是一个魔盒，非常神奇，其实究其本质是企业有成千上万甚至上亿的 item，不管这些 item 是文章、视频，还是电商里面的商品，然后现在有某个人在一个具体的场景里面，企业需要把这些 item 给他看，那应该把哪个放在第一个？这就是推荐系统背后的运作原理。

3. “推荐系统要解决信息过载的问题”

举个例子，如果你的企业只做爆款商品，整个公司只卖两个商品，这样用户一看就明白了，显然也不需要推荐，所以做推荐的一个前提条件是你公司本身提供的业务里面的信息太多了，对于一个正常的自然人来说，他处理不了那么多信息的时候，企业才需要去帮助用户解决信息过载的问题，从而为用户设计这样一套机制。

4.“一套机制”

这点很好理解，推荐系统是由不同的算法、规则等构成的一套机制。这四点是我从产品视角为你解读了什么是推荐系统，以及他的一些简单作用。

事实上，解决我在前面提到的一系列问题，推荐系统并不是唯一的方法。比如，前面所提到的排序、过滤，做技术的同学应该很容易联想到，搜索和广告系统也涉及排序、过滤，且搜索也一定程度上解决了信息过载。那么，这三个系统，它到底有什么区别呢？我从 5 个方面对其进行了对比，下面将一一讲述：

1．用户获取信息的方式。

广告与推荐系统，用户都是被动的，但搜索不一样，用户是主动搜索的，他需要输入一些关键词，会加入一些自己的意见和重点。

2.点击率要求。

这三个系统对点击率都有要求，仅在要求上有些区别，这就不祥述了。

3.惊喜度要求。

对于广告和搜索系统来说，不需要太多的惊喜度。比如，如果我搜一个关键词，搜索到我想要的资料时，并不会觉得很惊喜，甚至认为是理所当然，但是在推荐系统里，用户往往对惊喜度是有要求的。

具体来说，用户对于一个推荐系统的期望是希望产品能够给他们一些惊喜，如用户 A 虽然不知道产品用了什么数据、什么方法，但如果突然推荐了一首可能他已经快遗忘的自己却很喜欢的歌时，他就会因感到产品“好懂我”而惊喜。

4.个性化要求。

在广告和搜索系统，个性化的需求是可有可无的，不管有没有系统也能正常运作。但是，对于推荐系统来说，个性化要求非常高，甚至越高越好。因为个性化推荐针对的是差异化的单个场景，一定会有个性化的要求。

5.用户反馈。

广告和搜索系统存在比较隐性的反馈，即对于搜索结果好不好？一般很少有搜索引擎厂商会直接问用户，你喜不喜欢搜索结果，更多是厂商去判定广告效果和搜索效果，一般是通过 CTR，或通过整个产品的某些长期留存表现来判定。但是，对于推荐系统来说，很多推荐产品会直接地问用户的喜好，存在很明显的显性主观表达。

因此，同样是解决类似的一系列问题。 但是这三个不同的系统存在极大的差异（如下图），这些区别直接决定了企业去判断某个业务适不适合使用个性化推荐，以及该如何做好个性化推荐。

更多互联网干货和案例，可关注【神策数据】公众号了解~