衡量推荐系统对用户的效果包括正反馈和负反馈两部分，负反馈往往容易被忽略，但其实，负反馈也是抓住用户的关键点之一。
推荐系统的出发场景就是为没有明确需求的用户提供物品推送服务，因此对推送结果用户是否感兴趣是衡量一个推荐系统效果的核心。
正反馈通常包括推荐位点击，加购，下单，收藏，关注，喜欢等，需要结合实际产品提供的功能进行设计；
负反馈则是一个很容易被忽略的细节，也是最容易得罪用户的环节，因此策略的设计非常重要。就如同一直在喂一只猫吃蔬菜一样，那么它迟早会离家出走。
负反馈设计的时候策略上需要注意3个事情：
推荐位间联动；
内外联动；
正负联动。
下面我以电商应用中的推荐产品为例，说明一下关于推荐产品中的负反馈的策略。
一、推荐位间联动
因为推荐区域在应用内往往不止一个，比如首页，商品过渡页，商详页，购物车等等，每一个都有推荐区域，因此，如果用户在其中的一个场景进行了负反馈，表明其对当前该推荐物品的态度的时候，那么其他应用了推荐区域也需要进行负反馈，这就是一个推荐位之间的联动。
但是在设计推荐位联动的时候，需要考虑每个推荐位的定位，或者说是使用场景。比如用户在推荐位反馈“已经购买”，那么当前推荐位一定会进行过滤，但是是不是一定在其他推荐位也进行类似的操作呢？不一定，而且可能正好配相反。
比如对于复购优惠活动的推荐位，复购反而对其是一个正反馈。
二、内外联动
除了推荐位之间的联动外，还涉及到内外联动。
所谓的内外联动是指，除了推荐位本身，推荐坑位用户的负反馈还可以与哪些数据发生交互。
推荐通常会基于用户的各种历史行为进行推荐，比如用户的关注，浏览和购买记录，其实就是通过用户的历史行为作为数据来源来猜测用户意图，而负反馈就是对猜的结果最有力的反击！
怎么办？那就按照负反馈去更新数据来源，这就是内外联动。
推荐也需要从用户中来，到用户中去。
三、正负联动
所谓的正负联动是指在用户进行负反馈之后，我们进行了相应的屏蔽或者过滤处理，是否一直都不去进行推荐了呢？
不是这样的，负反馈是其实就是用户兴趣的一种表达，而用户的兴趣是时常多变的，通常需要增加一个判断用户对之前负反馈物品再次有正反馈行为的策略，进而在合适的时机为用户进行推荐。
比如对于已经进行过负反馈处理的类目或者sku，通常用户再次点击浏览该类目或者sku的时候需要重启正反馈策略。
这就是正负联动。
