推荐

背后的故事!网易云音乐“个性化推荐”的设计改版经验总结

编者按:网易云音乐的“个性化推荐”一直是好评如潮,但很少人注意到,这个功能从诞生到现在已历经了多次改版。在这个迭代过程中,如何优雅地让用户感知到它的功能特色?今天网易云音乐的交互设计师俞静给大家聊聊改版过程的思考和经验,这类亲历实战经验可遇不可得,建议阅读,何况这还是一个你最喜欢的(猜的)音乐App呢?话说,云音乐是最早做歌单个性化推荐的 —— 在首页根据你的口味推荐歌单,

在谈推荐系统之前,请先避免这 4 个问题

既然推荐系统能够捕捉用户的需求,为用户呈现出信息不更好?还需要搜索引擎?!最近正在忙推荐系统的一些事,归纳出来了几个新人或者是技术人员需要注意或已经注意到还没说到点子上的那些问题,以供给各位一些参考。一、高估系统对用户需求的捕捉能力我们都说,搜索引擎是满足用户主动需求的产品,而推荐系统则是满足用户隐含需求的产品。当用户明确需要什么信息,就把需求转化为检索词,丢到搜索引擎,搜

资料下载 | QQ 音乐高级产品经理:QQ 音乐如何做个性化推荐?

产品经理 如何思考个性化推荐的?个性化推荐的原理应该是在特定场景下,去构造一些合理的算法或规则将正确的数据推荐给正确的用户,这句话放在现在很多产品都是一样的,但可能在不同的产品上也有一点区别。比如说在QQ音乐里面所指的数据就是 音乐 和 用户 。音乐: 说我们在6500万的曲库里面每一首歌曲都有一些它自己的静态属性。比如歌手、语音、发行地区、发行年代、用户为他打上的一些心

产品设计须知:个性化推荐的那些事儿

关于个性化推荐,你知道多少?一.什么是个性化推荐?随着信息化进程的加快,信息日渐增多,用户需要花费大量的时间,才能找到自己想听的歌、想看的新闻、想买的商品。个性化推荐能够在这个被信息淹没的时代,把用户最想要的内容直接呈现在用户面前。简而言之,个性化推荐就是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。推荐系统根据用户的隐含信息或显示信息,对用户进行建模,同

实战经验 | 如何设计一个好的推荐系统?

推荐系统是近些年非常火的技术,不管是电商类软件还是新闻类app,都号称有精准的推荐系统能给你推送你最感兴趣的内容。现象级的资讯类app“今日头条”就得益于此成为了势头非常猛的一款产品。本文就针对推荐系统讲述一些相关概念和实践经验。首先需要明确的就是推荐系统的目标,一般来说不外乎以下几个:用户满意性:首当其冲的,推荐系统主要就是为了满足用户的需求,因此准确率是评判一个推荐系统

个性化推荐让我们更加狭隘?

讨论个性化推荐是否会让用户变得狭隘,我们不妨先从“ 为什么要做个性化推荐系统 ”这个角度进行思考。从背景出发: 人们正逐渐从信息匮乏的时代走入信息过载的时代。 这一背景带来了两个问题:信息过载、用户目的性不强,典型场景是:你打开网易云音乐,很多歌曲,你不知道想听什么。在个性化推荐未出现之前,解决这两个问题采取的方法一是类目管理,二是搜索,三是热门物品展示。一不适用于物品多的

推荐,非诚勿扰!

最近发现某知名电商的收藏夹功能改版,每一个收藏的商品后面推荐N个商品,弄得我晕晕乎乎完全搞不清楚哪个是我当初的收藏。于是我开始思考究竟什么样的推荐是对用户和网站来说都有利的存在。推荐,指把好的商品/产品向用户介绍,希望被使用或接受。网页上的推荐模块如果应用的当的话,是可以让用户当前页面行为终止之前提供更多的选择可能性。但是如果本末倒置,让其影响了其页面主要的功能的话,只会让

实战经验总结:为什么我不在苹果竞价广告中选择推荐词

推荐词做不到的,或许自选词可以推荐词: 苹果官方推荐的关键词自选词: 投放者自己拓展的关键词作为一家崇尚用户体验的科技公司,苹果不仅早打造出最人性化的产品,而且服务也非常贴切!苹果竞价广告作为苹果未来广告业务的核心,必然会走上用户体验这条老路。苹果竞价广告和百度竞价广告最大的区别在于:苹果竞价广告不是唯金钱论,而是以相关性为优先准则。也就是说,在不考虑其它因素的情况下,相关

只是一种猜想:云音乐的推荐算法

根据查找的一些资料和自己的一些猜想,本文作者对推荐算法进行简单说明和对云音乐的推荐算法进行猜想。每日歌曲推荐banner左下角有一行字:“根据你的音乐口味生成,每天6:00更新”。可见,云音乐利用相关推荐算法每天运行,对每个用户进行个性化推荐。不得不说,自己从每日歌曲推荐里找到好多喜欢的音乐和小众歌手。同时,随意在微博里搜了一下相关评论,看来个性化推荐真的做到好评如潮。所以

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。