定义
是一种信息过滤系统,手段是预测用户(User)对物品(Item)的评分和偏好。
让我们来换一个角度回答三个问题,从而重新定义什么是推荐系统:
-
它能做什么;
-
它需要什么;
-
它怎么做。
第一个问题“它能做什么”,
推荐系统可以把那些最终会在用户(User)和物品(Item)之间产生的连接提前找出来。
它需要什么”:推荐系统需要已经存在的连接,从已有的连接去预测未来的连接。
第三个问题:怎么做?
机器推荐和人工推荐,也就是通常说的“个性化推荐”和“编辑推荐”。
你需要推荐系统吗?
我们可以考虑两点。
第一,看看产品的目的。如果一款产品的目的是建立越多连接越好,那么它最终需要一个推荐系统。
第二,看看产品现有的连接。如果你的产品中物品很少,少到用人工就可以应付过来,那么 用户产生的连接肯定不多,因为连接数量的瓶颈在于物品的数量,这时候不适合搭建推荐系 统。 或者用户和物品数量在某些手段下也变得很多,但是用户和物品之间的连接很少,表现就是 用户的留存回访很低,这时候也不是很需要一个推荐系统。 这里介绍一个简单指标,用于判断是不是需要推荐系统:
分子是增加的连接数,分母是增加的活跃用户数和增加的有效物品数。
这个简单的指标解释一下: 如果增加的连接数主要靠增加的活跃用户数和增加的物品数贡献,则该值会较小,不适合加入推荐系统;
如果增加的连接数和新增活跃用户和物品关系不大,那说明连接数已经有自 发生长的趋势了,适合加入推荐系统加速这一过程。 不过,具体并没有判断标准,因产品而异。