用户推荐算法框架

用户提供数据信息，系统进行分析

通过大量的交易数据集：（举例：用户买了电脑后，会买键盘鼠标，还会买移动硬盘和耳机，那么根据用户在买电脑时同步给用户推荐关键的鼠标，移动硬盘和耳机）

数据的匹配在于如何把彼此关联和不关联的商品进行关联。这里要看用户画像的标签和商品标签的定义，还要看用户浏览的行为和市场潮流的趋势。

关联规则

预先把用户标签和商品标签进行关联，在对等的情况下推荐条件相同的商品，同时基于完全对等的情况下，推荐一下略微不相同的产品给用户做额外的考虑用户在看“小米”手机的时候，说不定看到“卡地亚的蓝气球”，然后就下单了呢

相同过滤

差异化的推荐，在突破用户的选择范围外，给用户推荐另外一套性价比高的商品用户既然是在搜索，那么会转移注意力，忽略自己当前的条件去选择一下

不同过滤

基于商品本身

相同用户标签的人，在搜索相关产品时，都买了哪些

相同标签的商品，都是哪些用户在选择

用户自身

市场有了新的风向标

各种节假日活动，促销信息等

限量版，明星代言等

逛马路捡到1元钱，然后去庆祝下吃顿火锅

客观因素

基于用户

协同过滤算法

标签

属性

关键词

推荐

针对商品

单项维度

多项维护

交叉匹配

基于条件

人工操作

针对规则

简单化

性价比高

一站式

减少用户思考

精准推荐

系统推荐，免除用户更多操作

更多选择

多少条件

自主化

用户需求一步一步对比

针对用户

优质的产品设计原则

推荐算法