千人千面-推荐算法

目前负责的产品改版涉及到了千人千面的概念， 深究下去才发现其中涉及很多的知识，整理了一下作为记录。

千人千面，最早出现在广告学里面，也是根据心理学中的“迎合心理”原理演算而来，13年之前，已经在很多门户网站的广告系统中应用，如果你在百度搜索一次“情趣内衣”，那么你去所有只要跟百度广告联盟合作的网站，都会在左右两侧，或者文章中、视频中，看到“情趣内衣”的广告。

个性化推荐

介绍个性化推荐之前先简单说明一下非个性推荐，在非个性推荐时用户看到的内容都趋于大同，而首页展示的内容都是按照热度，点击量，排行等方式展示给用户，这样就照成了越热门的内容点击量越大，越冷门的内容就永远不被发现（马太效应）。

流行度推荐算法：

而给用户推荐个性化首页的目的是什么？其目的就是让什么人，关注/买什么类型的内容/产品，也就是迎合，迎合度高低就是由算法来推算，这样转化率自然会更加高，带来的好处有如下：

1、 帮助用户找到想要的商品（新闻/音乐/…），发掘长尾：在经济学中，有一个著名理论叫长尾理论（The Long Tail）。套用在互联网领域中，指的就是最热的那一小部分资源将得到绝大部分的关注，而剩下的很大一部分资源却鲜少有人问津。这不仅造成了资源利用上的浪费，也让很多口味偏小众的用户无法找到自己感兴趣的内容。

2、 降低信息过载：互联网时代信息量已然处于爆炸状态，若是将所有内容都放在网站首页上用户是无从阅读的，信息的利用率将会十分低下。因此我们需要推荐系统来帮助用户过滤掉低价值的信息。

3、 提高点击率/转化率：好的推荐系统能让用户更频繁地访问一个站点，并且总是能为用户找到他想要购买的商品或者阅读的内容。

4、 加深对用户的了解，为用户提供定制化服务：可以想见，每当系统成功推荐了一个用户感兴趣的内容后，我们对该用户的兴趣爱好等维度上的形象是越来越清晰的。当我们能够精确描绘出每个用户的形象之后，就可以为他们定制一系列服务，让拥有各种需求的用户都能在我们的平台上得到满足。

千人千面背后使用的是单个推荐算法或者多个推荐算法的组合，而不同算法或组合已经成功的在不同的产品类型上有成功的应用。

而针对不同的内容类型，有如下的推荐算法可选：

资讯内容：

基于内容的过滤推荐算法

项目，商品（电商类）

协同过滤推荐算法

混合方式的推荐算法

新用户的“冷启动问题”可以通过流行度和混合算法来解决。