本文将尝试从衣食住行吃喝玩乐的角度出发，对其相应的主流平台运用的个性化推荐策略进行详细分析。
俗话说，远亲不如近邻，本质是指距离近的人好帮忙。
当我们把这句话投射到我们和网络之间的关系中时，会发现一件有意思的事：我们与网络基本时时刻刻黏在一起，近水楼台先得月，网络也在比任何人都要努力得去懂你。
具体反映在涉及衣食住行吃喝玩乐的平台，80%都在尝试做个性化推荐，力图“千人千面”得满足需求、挖掘创造需求。而这也是一个力图互惠互利的过程，网络平台因为更懂我们，给我们带来了合适的商品、便利的服务；我们因为接受甚至依赖这些服务，最终将银子贡献给平台。
本文将试着从衣食住行吃喝玩乐中取几个场景切片，分析相应主流平台运用的个性化推荐策略，下面，就让我们一起去感受下这无处不在的个性化推荐吧!
个性化推荐概述
如字面意思，即将用户“个性”和“商品服务”属性进行精准的匹配，达到用户所见即所需所想的目的，缩短了商品服务触达用户的路径，减少用户流失，促进用户快速转化。
产品的计算策略和机制，会根据平台用户属性和提供的商品服务特性有所区分，可以比较粗放得总结如下：
1. 用户画像
基本属性：用户的性别、年龄、身高体重三围、职业、婚否、育否、地区等等
兴趣爱好：体育、音乐、美术、户外等等
心理特征：稳重、热情、外向、内向等等
行为特征：对平台服务的关注度，比如经常登录、经常签到打卡、浏览评价、经常参与平台活动等等
消费力：对于电商平台，就是购买频次、购买金额等；对于音乐服务平台就是购买会员服务等级、次数、购买音乐人专辑次数等；
2. 用户行为
基本行为：启动、登录、搜索、浏览（时长）、点击、关注、订阅、收藏、加购、咨询、下单等
行为特征：距离上次购买过去多久、距离上次播放过去多久等
3. 商品服务画像
品类：基本的分类大块儿，比如电商平台，可能是按照服饰-女装-上衣-针织衫进行
基本属性：对于针织衫，可能还有颜色、款式、材质等区分
特色标签：按照穿衣场景，可能是上班、聚会、逛街等；按照风格，可能是御姐、萝莉、中性等
活动属性：是否是主推商品服务、商家购买了曝光率的商品服务等
用户行为触发推荐系统进行计算，当将用户和商品服务进行初步匹配后，并不会随之推出结果到前台，还需要一步，即：触发-过滤-排序机制。
这一步可以根据行为特征等因素，去掉那些可能对用户形成打扰的、或者过于重复的内容，并且通过协同过滤，可以得到“看过这个商品的人也看过的商品”，“听过这首歌的人还喜欢的歌”、“去过这个地方的人还去了XXX”等，一定程度上削弱了完全考虑用户个人行为而形成的“茧房效应”。
通过以上几步操作，推出结果池，然后再从上述内容中抽离出排序策略，最终呈现给用户“最佳答案”。
这里还有一点需要提及，目前大多数个性化推荐是基于替代关系进行的推荐，是否需要补充互补关系相关的内容，这个目前在电商平台应该是可以实践的。（可能个人调研不足，但基于互补关系的推荐好像只有详情页的服装搭配）
综合电商平台
作为一名电商用户产品经理，需要不断做行业调研分析，跟进最新变革的步伐，因而时常会因某需求而去看看大平台是怎么做的（此处蜜汁微笑），但是调研的过程中经常被出现在眼前的商品种草，调研完了购物车也加满了，真的好气。
为什么会这样呢？因为我已经被电商平台“掌握”了，它们推给我的，就是我感兴趣的，而且这种推荐穿插在平台的各个频道、各种我的行为场景中（除了下订过程，因为这个过程不能被打断）。
电商平台个性化推荐集中地即是首页-一个进行流量分发的重地，在这里能将用户和商品进行准确高效匹配的话，后续的转化会比较可观，目前淘宝和京东的首页都基本实现了智能卖场的形态，除了基本功能入口，其余搜索关键词、banner、主要服务入口、卖场楼层以及页面底部没有边界的“为你推荐”，都是个性化推荐系统的前端落地页。
这里能够看到，淘宝最新一期的改版将楼层砍了一大半，主要通过【为你推荐】让用户“停不下来”。而京东的楼层依然很多（这个截图去掉了好几层楼），虽然每一层仍然以个性化推荐商品做封面及入口，但仍保留了很多平台想要推的业务。
对于首页这种流量分发重地，舍弃掉某些业务入口，确实可能导致该类业务貌似没有出头之日，不过综合权衡下来，在流量红利逐渐消失、各家都需要重精细化运营的现在，每项业务能够在自己的流量池里完成对用户的深度转化应该已经很好了，并且按照淘宝的策略，在【为你推荐】里根据协同过滤适时穿插一些卡片，不失为更合理的推平台业务的办法。
各家也会在用户转化过程中的不同场景中进行个性化推荐，包括列表页结果排序、购物车页等。而在【我的】这个页面，京东在页面底部依然进行了个性化推荐，淘宝则是接入了很多服务卡片，这里应该跟产品定位有关，不过更引起我兴趣的是京东在此处的个性化推荐结果。
我们能看到，此处的个性化推荐结果被安排在每一个频道下面，【抗个雾霾】让人感觉应该跟口罩、空气净化器、防毒面具等有关，但下面会有【乌梅】、【徐福记乌梅夹心糖】出现；【闲饥难忍】应该跟主食面包类、肉类、巧克力士力架等有关，但下面会有【蚬子肉】、【青岛海鲜】等出现，虽然算法里应该有模糊匹配的内容，但这好像是过滤因素不充分的锅？
如上所述，推荐系统需要不断迭代优化，其中一部分迭代因素来自于用户的直接反馈，淘宝的用户反馈收集选项比较简单，就是“不喜欢”，而京东会将不喜欢的原因进行拆分，除了不感兴趣，还希望用户说说具体理由。整体来说用户是比较懒惰的，而这两种反馈策略背后对应的迭代机制一定也有复杂的区别，比较好奇淘宝在这部分的响应、迭代策略，有机会再详细了解一下。
生活服务类电商
个性化推荐在电商领域里的应用十分广泛，在大众点评和美团这种生活服务类电商平台里，个性化推荐也在扮演着越来越重要的角色。
大众点评自从将首页次屏及以下改成了内容社区，能够感受到推送的内容“茧房效应”越来越强烈，我等屁民真的也想看看除了【小吃快餐】之外的世界啊喂。
以及一家之主美团，首页下方为我推荐的都是经常购买、浏览的各种外卖，怎么说呢，整体感觉有点廉价，在时时刻刻提醒笔者屁民的身份。
美团在首页腰带处增加了常用商家入口，不知这里是的商品画像是什么策略，于笔者而言这里推送的都是外卖入口，包括经常浏览、购买的和可能是付了推广费的商家。
对于生活服务类内容，除了“经常使用”这个场景，还有一种是“换个口味”。所以此类推荐是否有可能增加商品画像和用户行为特征考量维度，有区分得进行“经常使用”和“换个口味”两种权重下的推荐，是需要思考的问题。
总的来说，目前为止，我都想点【减少相关推荐】。
音乐服务平台
说到音乐服务平台的个性化推荐，笔者总会想起网易云音乐，不知是当初推广做得太好还是口碑一度爆棚的原因，经过几年时间的使用体验，现在来说感觉虾米更懂我。
其实不管是网易云还是虾米还是哪一家，做个性化推荐时考量的主要因素也都写在了平台上：将歌曲进行不同维度的属性分类，根据用户行为及特征，进行相关推荐。
对于这类个性化推荐，需要循序渐进不能操之过急，即若某一用户突然增加了对完全不同维度的歌曲的兴趣时，对于该类歌曲的推荐加权需要考量好比例。这方面感觉网易云比虾米灵敏，但于个人而言，一时的兴起不代表口味的转变，所以我现在用虾米比较多~
写在最后
个性化推荐是一个极其复杂的内容，遥想当年头条因推荐算法闯出一片天挖到第一桶金，可见其厉害之处。但随着推荐的发展，对于信息茧房、马太效应等的探讨也越来越深入。
这里个人研究不够深入，不再展开，想用某天在路上偶然看到的新浪班车上的标语做结：我们深知个人喜好，但是新闻不能投其所好。
