推荐

推荐是利器,关注是钝器

在效率上走捷径,易造成用户动机不纯。推荐是利器,天下武功唯快不破。关注是钝器,重剑无锋大巧不工。任何事物都有两面性,特别是锋利的杀器。商鞅变法,把秦国完全拖入耕战系统,全国只有种地和打仗两件大事,对富国强兵最有效率。但是国富不等于民富,改革要抢时间窗口,要把所有人尽可能转化成军人才能称霸,这是以牺牲农民利益为先决条件的。变法的结果是富国强兵弱民,所以商鞅之后,还需要吕不韦开

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

深解京东个性化推荐系统演进史

在电商领域,推荐的价值在于挖掘用户潜在购买需求,缩短用户到商品的距离,提升用户的购物体验。京东推荐的演进史是绚丽多彩的。京东的推荐起步于2012年,当时的推荐产品甚至是基于规则匹配做的。整个推荐产品线组合就像一个个松散的原始部落一样,部落与部落之前没有任何工程、算法的交集。2013年,国内大数据时代到来,一方面如果做的事情与大数据不沾边,都显得自己水平不够,另外一方面京东业

产品经理需要了解:推荐系统和搜索引擎的关系

本文作者结合自己的实践经验来为大家阐述推荐系统和搜索引擎两者之间的关系、分享自己的体会。从信息获取的角度来看,搜索和推荐是用户获取信息的两种主要手段。无论在互联网上,还是在线下的场景里,搜索和推荐这两种方式都大量并存,那么推荐系统和搜索引擎这两个系统到底有什么关系?区别和相似的地方有哪些?本文作者有幸同时具有搜索引擎和推荐系统一线的技术产品开发经验,结合自己的实践经验来为大

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

常见推荐策略及其在 OTA 上的应用

文章结合实际案例,对OTA采用的一些常用推荐策略展开分析,一起来看。什么是推荐系统?根据Wiki百科的定义,推荐系统是一种信息过滤系统,用于预测用户对物品的“评分”或“偏好”。个性化推荐已经在电商(Amazon,淘宝,京东等)、电影和视频(Youtube,Hulu,爱奇艺,腾讯视频)、个性化音乐(Spotify,网易云音乐,QQ音乐)、新闻(今日头条,腾讯新闻)等多个领域得

关于智能推荐,我的几点思考

​我忧心忡忡地看待未来,但仍满怀美好的希望。 —— 史怀哲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

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

认识个性化推荐系统:从推荐算法到产品冷启动

关于个性化推荐系统你了解多少?推荐算法如何结合到产品冷启动中?文章一一解析。为什么需要个性化推荐?科技进步带来的是更大程度地提高效率和生产力已经是无可争辩的事实。随着时代变迁的广告业,从广播、电视业广告的辉煌,到互联网门户时代的banner广告和狂轰乱炸的edm,再到了搜索引擎和移动互联网时代的推荐位广告,随着人们的数据可被记录并且计算,也随之产生了计算广告学这门新兴学科。

个性化推荐技术对新闻阅读产品形态的改变

用户是一个点,传统媒体是一个面,传统媒体不可能只做一个点,而要做到面,就需要“琳琅满目”的新闻信息。互联网每天产生数以百万计的信息,这其中充斥着太多的“垃圾”信息,这些东西只会干扰视线、浪费时间。从本质上讲,内容本身并无好坏之分,在你看来是垃圾的信息,有时对某些人来说却很有用,内容永远只有感兴趣和不感兴趣两种。在这种情况下,基于大数据的个性化推荐仿佛就是一种颇为行之有效的方