（一）什么是个性化推荐？
1.1个性化推荐的定义
1.2个性化推荐的5个要素？
生产者生产内容到消费平台，消费平台通过一定的规则将内容组织起来，消费者从消费平台使用该内容时的行为，会形成反馈。
- 消费者：即进入平台寻找内容的访问用户。
- 消费平台：提供内容供消费者访问的平台。如网站、APP等。
- 内容：由生产者生产，无内容不存在吸引用户去平台访问。个性化是以内容为根本基础，此为本质。
- 生产者：可以是用户担当（UGC）； 亦可是由专业人士无偿生产（PGC），若是有偿生产则称为OGC。以UGC为代表的。如各大论坛、博客和微博站点，其内容均由用户自行创作，管理人员只是协调和维护秩序；以OGC为代表的。如各大新闻站点、视频网站，其内容均有内部自行创造和从外部花钱购入版权；而PGC则在上述两种类型的网站中都有身影，由于其既能共享高质量的内容，同时网站提供商又无需为此给付报酬，所以OGC站点和UGC站点都很欢迎PGC。
- 反馈：消费者在消费平台中，对内容的互动行为。如网易新闻app，在推荐栏中生产或汇集新闻资讯，并将其展示在客户端里。用户点击某条新闻，阅读详细内容时便形成了一则反馈。随后其点击某个顶部导航tag、添加或删除某个频道，收藏、离线或分享某一篇文章，重复点击某一篇文章等行为都可以看成是反馈。网易可以根据这些信息通过技术方法，一段时间之后便可以建立起该用户常规兴趣模型及近期兴趣模型。然后应用该模型进行试错，根据行为方差再进行调整，促使该模型不断上升，力求越来越接近用户的真实偏好。
对于个性化推荐，内容是最根本的东西，巧妇难为无米之炊。在内容都不多的情况下，一定要清楚自己的产品所在的阶段是否具备个性化推荐系统的应用场景。
像网易新闻客户端、百度新闻客户端，需要新闻内容丰富和接地气、并且要及时性与公信力；
像喜马拉雅电台、蜻蜓FM、考拉FM等电台类app需要更多高质量的PGC内容，以及质量管控的UGC；
1.4与其他非个性化推荐的对比？
1.主动订阅和搜索：
2.热门排名模式：
（二）个性化推荐的作用（电商平台）
2.1用户侧
随着电子商务规模的不断扩大，商品个数和种类快速增长，用户需要花费大量的时间、精力才能找到自己想买的商品。尤其移动端互联网是当下趋势，可用户在移动端显得很没有“耐心”，体验会更不好。因此，给用户推荐个性化的内容，在短时间内抓住用户的”心“，能够帮助用户节省成本，让用户体验更爽。
1.促使浏览者转购买者
2.提高商品交叉销售能力
3.提高用户的忠诚度
（三）个性化推荐的方式（电商平台）
3.1普通的账户数据
3.2同类商品的关联
3.3近因、频率和货币价值
基于这种分析，当你想提高转化率或者使用户感到开心的时候，你可以决定在何时和发送什么内容给特定的客户。试想，当用户的旧牛仔裤已经快报废的时候，刚好收到一条促销信息，这是件多么令人兴奋的事情。客户会对你的个性化推送和及时性留下深刻的印象。
最高级的电子商务个性化采用协同过滤的方式。协同过滤意味着整个电商网站可以实现对每个用户都是单独策划的。
这种方法可以推荐一些内容上差异较大但是又是用户感兴趣的物品，很好的支持用户发现潜在的兴趣偏好。也不需要领域知识，并且随着时间推移性能提高。但是也存在无法向新用户推荐的问题，系统刚刚开始时推荐质可能较量差。协同过滤成本很高且实现起来相对复杂。
新用户因为罕有可以利用的行为信息，很难给出精确的推荐。反过来，新商品由于被选择次数很少，也难以找到合适的办法推荐给用户——这就是所谓的冷启动问题。
利用用户注册或者初始进入APP，可以通过性别、年龄分别建立性别-商品相关表、年龄-商品相关表，然后将这两张相关表的商品列表按照一定权重相加，得到用户的最终推荐列表；
4.2推荐内容的属性
若7:0:0，肯定是不行的，那样只会将客户端越做越窄，而且用户也不希望自己固步自封，闭门造车，他们也渴望接触一些新鲜的事物，拓展自己的兴趣；
若3:3:1也不行，一半以上的内容很可能都不是我的兴趣所在，那我会觉得图失望图忧伤。
4.3用户场景挖掘和利用
1.基于用户随时间变化的活跃性推荐
2.基于位置信息的推荐
4.4 用户朋友、社会推荐
（五）总 结
多样性和和精确性的平衡。推荐的内容，不能只包含精确算出的内容，应要考虑多样性，一些特别的需求非常强调多样性和新颖性，譬如类似于“唯品会”这样的限时抢购模式或者最近非常流行的团购模式；
考虑推送的场景和时机。分析用户的互动行为，在不同的场景推送对应所需要的内容，这会让用户感觉更贴心；
本文由 @鸭蛋番薯 原创发布于人人都是产品经理 ，未经许可，禁止转载。
