推荐

大数据驱动下的微博社会化推荐

明确了推荐的角色和定位后,设计一个合适的推荐系统还需要系统了解微博的数据特点。因为只有清楚数据的特点,才能更有针对性地设计推荐系统产品、架构和算法。微博的数据特点微博是一个以内容消费为核心的偏弱关系社交网络,关系的构建多是依托于兴趣。它是半开放的,用户看到的大部分内容,来自于2层关注构建的网络。而对社交网络而言,用户关系网络结构、内容信息、用户是其数据三要素,因此下文也主要

运营必知「推荐」二三事

不想当「厨师」的「采购员」不是「好运营」,对于一个内容产品来说,运营的日常的工作中,特别是「内容运营」的同学会经常和推荐算法同学有很多工作上的配合。运营同学像

搜索与推荐,思考的快与慢

万物皆可推荐,大部分以搜索为主要功能的产品都可以用推荐再做一遍。一、为什么会思考搜索与推荐的区别?前阵子刷抖音很喜欢某些视频的背景音乐,就下载了网易云音乐。

如何设计更好的个性推荐

要深刻理解个性推荐的时机和理由,来自用户声音也是很宝贵的。我很喜欢 Spotify 和 Netflix 的海量内容,但有时也会因为选择太多而感到迷失。这类产品大多配套成熟的个性推荐机制,只需通过点击喜欢和不喜欢的简单交互、播放频率和好友信息,就能推导出用户的个性喜好。除了用户个体之外,系统也会合计分析拥有类似喜好的人通常喜欢什么东西。这些推荐非常有用,我的 Spotify

O2O 情境下的个性化推荐实践思考

关于如何从0到1构建推荐系统的内容因为已经有很多了,在这里不做赘述;本文的内容主要聚焦于O2O情境下推荐如何从1到N的优化实践。2015年7月王兴提出互联网进入下半场,那O2O的下半场究竟是什么?通过1年多大公司的业务布局不难猜测,O2O行业下半场比拼的主要是两方面:一方面拼的是排号、点菜、买单等服务的一体化集成,另一方面拼的是通过社区化和个性化进行精准导购,提升用户粘性。

推荐,非「黑盒」

推荐对于非技术同学而言更像是一个黑盒,越来越多产品都引入了推荐,而推荐又和流量紧紧挂钩。此文献给所有的运营同学。这篇文章写于1年前,希望可以系统又简单地给业务

产品设计:如何提升内容的点击?

如何更好的设计来提升内容的点击呢?文章为你分享。​最近在负责一个大版本,主要为书城首页改版,由原来的按标签自动推荐改为推荐位手动推荐,前前后后设计了好几稿还是不太满意。 如何让用户为推荐位买单?如何保证推荐位效益最大化? 成为最大的问题,在领导的提议之下,加上了推荐理由,为每个推荐模块设计了独有的推荐理由,以提高各推荐位的点击。何为推荐理由? 字面意思,推荐该内容/推荐位的

看到“千万别点开”后,你到底点不点?

为什么APP动不动就来问你一些使用感受或者评分的问题了么?其实,你的回答是在帮助你在用的产品能有更好的使用体验。不然,产品经理脑洞再大能大过用户体量嘛?所以,问你看到“千万别点开”后,你到底点不点?背后也许藏着的是如上的种种……如果你略知用户增长模型(AARRR),那么应该知道其最后一个环节自传播Referral是有多么的niubility。现如今各种渠道获客成本倍增,裂变

关于智能推荐,我有一些看法

1 智能推荐的盛行这是一个信息爆炸的时代。互联网上每天产生的信息量是过去几十年甚至上百年的信息量之和。人们获取信息的方式也经历了几次变革:最初是远古时代人类掌握语言后的口头“ 交流 ”,其次是竹简纸张诞生后的“ 阅览 ”,再到近代互联网的网页“ 搜索 ”,至今日人工智能衍生出来的智能“ 推荐 ”。例如今日头条的个性化资讯分发,网易云音乐的日推歌单,京东淘宝的猜你喜欢,以及

个性化推荐

第一部分:简单了解个性化推荐系统如今已经进入了一个数据爆炸的时代,随着 Web 2.0 的发展, Web 已经变成数据分享的平台,那么,如何让人们在海量的数据中想要找到他们需要的信息将变得越来越难。在这样的情形下,搜索引擎(Google,Bing,百度等等)成为大家快速找到目标信息的最好途径。在用户对自己需求相对明确的时候,用搜索引擎很方便的通过关键字搜索很快的找到自己需要