在電商類的APP中，經(jīng)常會有一些猜你喜歡類似的功能。這些推薦規(guī)則是如何設計的呢。推薦不是預測，推薦是有依據(jù)的，預測是扯淡的。今天本文來談兩種“推薦”。

先說一說豆瓣，當我在豆瓣上看了一大堆書評和影評后發(fā)現(xiàn)以后想看什么“似乎豆瓣已經(jīng)知道了”。因為在它的首頁上已經(jīng)顯示出“猜你喜歡”，而且非常精準。
我們用c#實現(xiàn)“猜你喜歡”算法，于是各種余弦相似性、修正的余弦相似性、協(xié)同過濾算法被我實現(xiàn)了一遍,并用在了公司某電商APP開發(fā)項目中。
關于余弦相似性：
如果不明白這個算法的人，我們可以理解為向量夾角。每一個向量就是每一個人對某個事物的喜好程度和打分，向量之間的夾角越小說明你和某人相似度越高。通過這個基本原理，只要你對某個商品進行了打分，那么我立馬可以找出和你興趣愛好很類似的用戶，于是我會把他們的興趣愛好商品推薦給你。理論上講，能夠中你的興趣度很高。

這種推薦來自于大數(shù)據(jù)的挖掘。樣本數(shù)據(jù)越大結果越精準。不光是電商，信息類門戶如微博都會使用類似這種算法思路實現(xiàn)推薦。譬如你經(jīng)常會在微博上看到“可能你感興趣的人“，我大致看了看，確實命中率在60%以上。

再來看一下朋友圈的推薦，微信的到來讓我們欣喜若狂，其朋友圈很是讓人耳目一新。大約有那么幾周時間，我天天能看到微信朋友圈里分享技術、互聯(lián)網(wǎng)新聞、涉yellow段子、各種節(jié)操商品購物推薦、各種養(yǎng)生知識。
其實，這叫“被動推薦“，不需要任何算法。凡是”朋友“推薦的東西總能讓你感覺”可能會很美好“。
事實上時間久了我發(fā)現(xiàn)：
　　1、技術知識由于格式問題，在微信里看根本不適合
　　2、互聯(lián)網(wǎng)新聞還不如看微博
　　3、涉yellow段子都是看了無數(shù)遍的重復段子
　　4、商品購物推薦基本要么是爛貨要么是吭貨，還有誘導點贊
　　5、養(yǎng)生知識很多都是假的。

于是，我在微信中把一些“無節(jié)操、無腦”推薦的好友給屏蔽了。因為，有些東西我不需要他們的推薦。逐漸開悟的民眾也許已經(jīng)能自己“判斷是非”了。

這種推薦無節(jié)操、很暴力。不可否認的是興趣愛好類似的小眾群體中進行的“推薦”，轉化率很高。只不過持久性不足，其效果太容易大起大落。