发布时间：2020-5-14 分类： 电商动态
查看推荐的系统推荐系统的性质是什么？有哪些使用场景？在本文中，作者分析了推荐系统，希望对您有所帮助。
1.推荐系统的性质是什么？
非常早，很早，信息很少，我们的信息获取和搜索也非常不方便。即使使用计算机和互联网，我们也很少使用“在线答案”方法，我们依靠过去的经验。快速获取您自己的目标信息。
慢慢地，信息量变得越来越大，我们需要分类来帮助我们找到信息，然后有一个门户分类代购源码网站;然后，信息超载，分类无法帮助我们快速获取信息，搜索引擎出现，我们可以直接输入您需要的内容，搜索引擎会列出“可能需要”的内容。对我们
随着互联网的发展，我们进入了一个信息超载的时代，因为缺乏信息。信息需求者需要在海量信息中快速获取自己的目标信息。信息提供者需要帮助用户过滤掉不相关的干扰信息，以便用户真正关心的内容脱颖而出。在这种双向需求下，有一个推荐系统。
对于用户，推荐系统不要求用户提供明确的目标。
对于项目，推荐系统解决了第28种现象，允许将利基项目呈现给可能需要它们的用户。
第二，推荐的系统使用场景
推荐系统随处可见。举几个常规场景的例子：
你是个黑帮老大。你必须购买和购买才能快乐。总有时候你不知道该买什么，但你想买它。淘宝的主页拉下来，有一个“猜你喜欢”
你是一个充满文学细胞的音乐爱好者，你必须听音乐才能入睡。但今天你有点沮丧，你没有打开你的个人歌曲列表，你不知道该听什么，你留在主页上，然后点击系统已经仔细准备的“推荐歌曲列表”你
你毕业并来到深圳并接受了第一次面试。你很兴奋，虽然你对这个城市一无所知，但这个代表深圳的电话欢迎你，你迫不及待地打开地图，你进入了起点和终点，想要看到公司和他们的距离，系统推荐了几条路线适合你。
如果您对推荐不满意，您不想坐地铁，想乘坐公共汽车，想要看看这个城市。您可以根据自己的意愿选择“推荐路线”并选择“不要坐地铁”或其他。
你觉得无聊，开放微博，想看看大家现在关注的是什么。您点击了搜索框，看到了“微博热门搜索列表”。
你爱的食物，不容错过的是公众评论。
毋庸置疑，今天你和我看到的不一样。
猜猜你喜欢什么，推荐歌曲列表，推荐路线，热门搜索列表，食物推荐，标题推荐是推荐系统的输出。
这里应该注意推荐系统和搜索引擎是两件事。有些人可能会错误地认为百度是一个推荐系统，因为它会显示一个信息列表，并推荐您可能感兴趣的内容（右侧）。实际上，搜索引擎包含推荐系统，推荐系统不需要明确的目标，搜索引擎需要。以下是两个具体的例子来说明：
示例1：当您进入电子商务产品的主页时，将显示一些产品作为结果，但除了大输入框和广告之外，您在搜索引擎页面中没有结果。
示例2：您在搜索引擎中输入关键字A，获取搜索结果列表B和正确的内容推荐列表C.B和C的外观和排列都是推荐的策略之一。
三，推荐系统的意义
1.减少信息过载
在信息爆炸的时代，列出所有信息相当于给用户带来麻烦，因为用户根本无法启动。并且信息的利用率将非常低。需要一个推荐系统来帮助用户过滤信息并过滤掉低相关性，完全不相关，低价值的信息以及用户不感兴趣的信息。
2.发现长尾巴
经济学有一个非常有名的理论叫做长尾。一般的想法是：由于某些因素，人们通常只关注头部的信息，即大多数人关心资源的最热部分，而且大多数剩余资源很少被关注。当某些限制因素变得松散时，消费者可以根据自己的兴趣选择目标资源。几乎所有看似需求非常低的产品都有机会出现在用户面前。
这是推荐策略。通过发现用户的行为并找到用户的个性化需求，可以将长尾产品准确推荐给需要它的用户，帮助用户找到他们感兴趣但很难找到的产品，这样就可以让人感觉更加小巧。用户找到感兴趣的内容，而不是浏览大热门。
3，帮助用户找到答案
一些用户需要使用一些智能推荐算法来帮助他们更快，更准确地获取信息。有些用户不知道他们想要什么，你需要告诉他。例如：
你饿了，想买东西吃，外出去超市，超市很大，有三层楼，你很尴尬。你必须考虑两个问题：1你吃的地方，2吃什么，这两个都很关键。
这时，购物指南A过来告诉你去二楼的小吃区和熟食区。在二楼，你仍然不知道该吃什么。这时，导购B过来告诉你，今天的辣牛肉是为了促销和免费品尝。
你品尝过它，不错。导购C带了两瓶牛奶推荐给你。所以，如果你根本不知道该买什么，并且没有特殊要求，你就买了牛肉和牛奶。
在此示例中，A是商店的推荐系统，B和C是商品的推荐系统。
4.提高用户转换率
当您的产品能够满足用户的需求，提供更好的选择，帮助用户做出决策，减少用户决策时间，用户不仅会多次访问该代购源码网站，而且转换率也会提高。
最直接的例子是淘宝。为什么人们总是拿起手拿起他们的手，但他们仍然忍不住想要淘宝。
你买了A，淘宝为你推荐B，你想：是的，我失踪了，我失踪了，我失踪了。我买，我买，我买。
5.深刻理解用户
每当系统推荐的项目成功吸引用户的注意力甚至喜欢和购买时，不仅用户越来越喜欢你，而且用户的肖像在你眼中变得越来越清晰。
作为一个非常常见的例子，多人互动游戏《你画我猜》，A不断从B获取正确的信息，以便在他的脑海中逐步形成答案的图像。
推荐系统是清除用户的过程。可能，你会发现，最终，对用户最了解的不是她的男朋友，而是你。最典型的是今天的标题。通过用户的行为，兴趣标签，信息的及时性和普及性，不同的用户可以显示不同的信息。此服务可以在自己的平台上提供具有各种需求的用户。满意。
四，推荐系统的推荐算法
事实上，推荐的算法早在1992年就可以使用了，而且近年来实际上已经解雇了。那时，信息传输也是传统的，信息量就在那里。事实上，它近年来被解雇了。那时，信息传递也是传统的，信息量很小。此时，火灾是基于互联网，第二次是基于大数据。在整个推荐算法的开发中，已经存在各种算法，并且仍然存在许多算法。但无论它如何发展和演变，它有多复杂，推荐的基本条件都没有改变：
根据您的关键字推荐
根据您的历史行为推荐
根据您最喜欢的项目A 推荐与您类似的B.
基于分享您偏好的人推荐
基于上述条件的组合推荐
基于上述条件，推荐的算法大致可分为以下几类：
基于人气的算法
协同过滤算法
基于内容的算法
基于模型的算法
混合算法
这里必须要说的是，最有影响力的用户体验不是算法，而是你使用什么样的推荐算法，很多人很容易陷入困境：是协同过滤算法还是基于内容的推荐？ p>
推荐系统的本质是加强联系，发挥信息的最大价值，让用户有机会不断发现新信息。选择哪种推荐算法取决于产品本身的定位和特征。例如，标题是基于项目的协同过滤算法。淘宝是一种基于用户的协同过滤算法。虽然它是系统过滤，但结果却截然不同。
再举一个例子，如果您使用的是基于用户的协同过滤算法，如果用户的数据特征不清晰且用户行为集中且稀疏，则意味着您只能依赖更多内容或参考水田芥。让用户标记。
本文最初由@烧包鹿发表。未经许可，禁止复制。
该地图来自unsplash，基于CC0协议
