不同于用戶主觀行為下的信息定制，如訂閱、搜索等操作，個性化推薦是根據(jù)用戶的興趣偏好和歷史行為，向用戶推薦其感興趣的信息。

首先，要明白個性化推薦的意義

用戶的訂閱和搜索等主觀行為相對于個性化推薦，用戶需要去主觀判斷和選擇，行為相對比較“重”。個性化推薦的核心就是為用戶提供符合其特征和偏好的結(jié)果，讓用戶更爽，產(chǎn)品也更加簡潔。

其次，弄清楚個性化推薦與推送服務(wù)的區(qū)別

普通的推送服務(wù)就是填鴨式的推送廣告信息、最新信息、活動信息等，這些信息不分時刻不計次數(shù)的推送給用戶，這樣很容易造成用戶的反感；個性化的推送服務(wù)都是可以設(shè)置推送時段和推送的次數(shù)的；再智能一點的推送服務(wù)可以根據(jù)用戶特征和偏好推薦給用戶信息（不一定是通過推送的方式），這就是個性化推薦。

再次，了解個性化推薦的應(yīng)用場景

個性化推薦一定是基于一定數(shù)據(jù)量的，巧婦難為無米之炊，一定要清楚自己的產(chǎn)品所在的階段是否具備個性化推薦系統(tǒng)的應(yīng)用場景。

個性化推薦的核心價值是什么？一個是讓場景（取決于用戶行為）的體驗更好，另一個是算法建模和機器學習（取決于技術(shù)能力），提升團隊對技術(shù)的要求和水平，建立技術(shù)壁壘。

場景之所以被稱之為場景，是代表了一定用戶群體的行為習慣、特征和訴求。現(xiàn)今的信息以及大數(shù)據(jù)時代，信息量呈幾何級增長，如何解決用戶信息過載的尷尬，就必須考慮如何在一定場景下把用戶需要的信息推薦到用戶面前。

包括知乎、豆瓣、網(wǎng)易云音樂、今日頭條、淘寶、京東、去哪兒網(wǎng)等在內(nèi)的一系列產(chǎn)品，圍繞信息（信息，包括商品、旅游線路、音樂、文字等所有可以稱之為信息在內(nèi)的、可以呈現(xiàn)給用戶的）都有完整的一套個性化推薦系統(tǒng)。

那么如何實現(xiàn)個性化推薦呢？

1. 理解“個性化”：

只要考慮用戶特征和偏好的都可以算是個性化，比如網(wǎng)站或app等產(chǎn)品顯示時考慮用戶的性別和年齡等特征而采用不同的顏色、顯示不同的內(nèi)容等。我們可以這么認為，只要系統(tǒng)上的用戶在其他條件完全相同的情況下訪問時，卻只因為用戶自身特征不同能夠得到不同的輸出和反饋的，我們就可以認為這個系統(tǒng)是個性化的。

2. 精細化采樣用戶在客戶端的行為：

個性化推薦的參考依據(jù)是用戶的特征和偏好，通過采集、分析和定義其在端上的歷史行為，了解用戶是什么樣的人，行為偏好是什么，分享了什么，產(chǎn)生了那些互動等等，最終理解和得出符合平臺規(guī)則的用戶特征和偏好。

3. 推薦算法及建模：

通過用戶的意圖和行為采集到了大量的數(shù)據(jù)后，接下來就進行算法建模，如基于文本內(nèi)容的推薦、基于協(xié)同過濾的推薦、基于貝葉斯分類算法的推薦等等，這里就不展開討論了，感興趣的同學可以自行搜索。

4. 機器學習：

僅僅通過算法建模進行推薦是不夠的，如何讓信息推薦更加智能，這個時候就需要考慮機器學習，通過特征發(fā)掘、行為分析、喜好學習，不斷優(yōu)化推薦效果（考慮推薦有效性的定義）和智能化推薦（推薦維度的豐富）。

5. 信息的生命周期：

不同的信息生命周期是不同的，這也是非常重要的考慮維度，信息的價值隨著其生命周期的變化遞增或者遞減，比如新聞、實效性內(nèi)容、現(xiàn)象級的信息生命周期比較短，商品、知識性內(nèi)容等信息生命周期比較長。關(guān)注信息的生命周期，這也決定了推薦算法計算的頻度和個性化有效性的判定維度定義（有時候可能并不是用戶不喜歡，而是信息過時了）。

個性化推薦雖然很重要，但設(shè)計好一個個性化推薦系統(tǒng)后，也不是一勞永逸的。

我們需要定義更多目標：個性化推薦不是冷冰冰的算法和機器學習就可以完全涵蓋的，要定義更多的目標，比如人性化的元素、平臺的調(diào)性、給用戶驚喜等等。網(wǎng)易云音樂、知乎、豆瓣等平臺在進行個性化推薦的時候，都會面臨一個問題，如何規(guī)避推薦的內(nèi)容越來越相似，即比如一個用戶被定義的偏好是互聯(lián)網(wǎng)、科技，那么每天推薦的都是與之相關(guān)的內(nèi)容，這樣雖然是“個性化”的，反而看起來就不那么“個性”了。

個性化推薦，是為了讓信息更有價值，信息本身并無好壞之分（除了真正的SPAM），在某些人看來是垃圾的信息，有時對另一些人來說卻很有用。

個性化推薦的目的就是改善信息的分配和利用，目的在于給用戶去噪，讓用戶的體驗更爽，核心還是用戶的主觀選擇，切勿本末倒置。要知道，任何東西沒有絕對，個性化推薦并不是萬能的，過度信奉“個性化”反而會因為過于“個性”而使得產(chǎn)品越來越狹窄。個性化應(yīng)該是對用戶體驗的補充和優(yōu)化，要理解用戶在具體場景下的真實需求、需要解決什么樣的問題以及怎樣解決，通過個性化推薦的方式給用戶體驗帶來提升，否則，寧可不要，希望各位看客有所思考。

本文由人人都是產(chǎn)品經(jīng)理專欄作家 @王懿Lucien（微信公眾號：jishugou） 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理?。未經(jīng)許可，禁止轉(zhuǎn)載。