39 | 如何预测用户的喜好？
李智慧
该思维导图由 AI 生成，仅供参考
在用户对自己需求相对明确的时候，可以用搜索引擎通过关键字搜索很方便地找到自己需要的信息。但有些时候，搜索引擎并不能完全满足用户对信息发现的需求。一方面，用户有时候其实对自己的需求并不明确，期望系统能主动推荐一些自己感兴趣的内容或商品；另一方面，企业也希望能够通过更多渠道向用户推荐信息和商品，在改善用户体验的同时，提高成交转化率，获得更多营收。而这中间发现用户兴趣和喜好的就是推荐引擎。
在豆瓣中打开电影《肖申克的救赎》的页面，你会发现这个页面还会推荐一些其他电影。如果你喜欢《肖申克的救赎》，那么有很大概率你也会喜欢下面这些电影，这就是推荐引擎发挥的作用。
推荐引擎的思想其实很早就存在了，后来随着大数据技术的发展，推荐引擎的普及程度和重要性也越来越高，淘宝曾经就主推“千人千面”，要让每个用户打开的淘宝都不一样，背后的核心技术就是推荐引擎。现在稍有规模的互联网应用几乎都有推荐功能，而一些新兴崛起的互联网产品，推荐功能甚至是其核心产品特点与竞争优势，比如今日头条，就是靠智能推荐颠覆了互联网新闻资讯领域。
那么推荐引擎如何预测用户的喜好，进行正确的推荐呢？主要就是依靠各种推荐算法，常用的推荐算法有：基于人口统计的推荐、基于商品属性的推荐、基于用户的协同过滤推荐、基于商品的协同过滤推荐。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
推荐引擎在满足用户信息发现需求和提高企业营收方面发挥着重要作用。文章介绍了基于人口统计、商品属性、用户和商品的协同过滤等推荐算法，以及基于模型的推荐和关联分析。这些算法在不同场景下能够准确预测用户喜好，实现精准推荐。随着大数据技术和AI技术的发展，推荐算法将逐渐成为主要的用户交互方式，未来的生活可能会由手机主动推荐所需信息。推荐算法已广泛应用于互联网产品，如今日头条、抖音、快手等，不断优化推荐结果，提升用户体验。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《从 0 开始学大数据》，新⼈⾸单¥68
《从 0 开始学大数据》，新⼈⾸单¥68
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(15)
- 最新
- 精选
- weiruan85人口统计： 小明： 已婚，男，有小孩，孩子5岁，幼儿园，iT工作者，喜好NBa --> 用户画像 小强： 已婚，男，有小孩，孩子6岁，幼儿园，文艺工作者，喜好足球 -- > 用户画像 画像完成后，小明购买的小孩用品就可以推荐给小强，因为他俩的相似度很高，属于有小孩的一类客户。 两人也属于体育爱好者这一类。 商品属性推荐： 科学时什么：科普书（科普再细分），适合20-30岁读者，作者高学历，出版社，评价5星 ，得到推荐等 当下的启蒙： 科普书，适合20-40岁，作者xxx，出版社，评价5星，得到推荐等。 当小明购买科学时什么时，推荐当下的启蒙。 用户协同过滤推荐： 小明： 喜好电脑，打印机，Java编程，linux系统，U盘 等等 小强： 喜好电脑，打印机，U盘，C编程，科学是什么等 按照客户的喜好（都喜欢电子产品）进行分类，将小明和小强分为了同一类客户， 小明购买了ipad后，就可以向小强推荐此产品 商品协同过滤： 小明： 喜好电脑，打印机，Java编程，linux系统，U盘 等等 小强： 喜好电脑，打印机，U盘，C编程，科学是什么等 购买电脑的客户，会一起购买：打印机，U盘，ipad等， 这些产品属于一类。 当有用户购买了这一类产品中的某一个时，就推荐其他的2019-08-1522
强哥介绍了几种常用的推荐算法的解读，但是缺乏对应的场景应用。结合使用场景来介绍每种场景下应该用哪个推荐算法更合理会觉得更好点？2019-01-264
kobepeng看完这篇之后，让我感觉到大数据在生活中无处不在，除了那些高深莫测的数学模型，简单的分类分组其实也算是大数据的一部分，让自己在学习大数据的过程中有一种亲近感、带入感。感谢老师~2019-01-263- 杨丽南突然觉得这种推荐也是一把双刃剑吧，如果你看到的都是你想看到的，你的信息还怎么全面呢？2020-09-0112
- 常振华我一直喜欢自己搜索，不喜欢系统推荐2020-09-071
🕐Ma.C有反推荐系统吗？2023-09-05归属地：贵州
wanghao个性化推荐导致的信息茧房2023-05-02归属地：湖南- 唐方刚看到的都是自己认同的观点，最后形成信息茧房，典型的就是房价下跌和楼市崩盘的信息。2022-08-29归属地：广东
亚林所以，默认打开通知屏蔽2021-09-01
小熊学习打卡2020-04-03
收起评论
