什么是推荐系统

让我们来换一个角度回答三个问题，从而重新定义什么是推荐系统:
1、它能做什么？
2、它需要什么？
3、它怎么做。

对于第一个问题“它能做什么”，我的回答是：推荐系统可以把那些最终会在用户(User)和物品（Item）之间产生的连接提前找出来。人是互联的终极意义，‘其他’统称为物品，物品可能是人，资讯，消费品、服务等。推荐系统就是要在这张巨大的网中，不断去发现那些很可能会和人发生连接的另一类物品节点，让它们和用户真的建立连接。

提炼一下上述逻辑：
1、世界的发展趋势是万物倾向于建立越来越多的连接。
2、人是这一切趋势的意义所在，为人建立连接是要义。
3、根据已有的连接预测和人有关的连接，就是推荐系统。

举例，一个电商平台，用户刚买过什么，常买什么，你正在浏览什么，这些都是用户和物品之间已经存在的连接，用这些连接去预测还会买什么，还会看什么也是推荐系统。

按照上面的分析，我也同时回答了第二个问题‘它需要什么’：推荐系统需要已经存在的连接，从已有连接去预测未来的连接。

第三个问题：怎么做？

预测用户评分和偏好。这是推荐系统背后相关算法和技术的两大分类，更抽象的视线方式分类是：机器推荐和人工推荐，也就是通常说的‘个性化推荐’和‘编辑推荐’。两者之间还存在现在最常见的领域专家推荐，也就是网红推荐，如何为用户找到适合他的网红也属于推荐系统范畴。

总结一些推荐系统就是：用已有的连接去预测未来用户和物品之间会出现的连接。

你需要推荐系统吗

我已经根据能做什么、需要什么、怎么做三个方面，讨论了什么是推荐系统。那么只有前两个条件成熟，你就需要一个推荐系统，那么如何判断条件是否成熟了呢？

我们可以考虑两点：

第一点，看看产品的目的。如果一款产品的目的是建立越多连接越好，那么它最终需要一个推荐系统。有哪些产品的目的不是建立连接呢？一种典型的产品就是工具类，比如一个视频编辑器，则不需要推荐系统，至少在工具属性很强时不需要推荐系统。

第二点,看看产品现有的连接。如果你的产品中物品很少，少到用人工就可以应付过来，那么用户产生的连接肯定不多，这时不适合搭建推荐系统，这时产品的瓶颈是物品的数量不足，应想办法丰富物品种类。如果你现在物品种类也很多用户数量也很多，就是用户和物品的连接很少，表现就是用户的留存回访很低，这时也不是很需要一个推荐系统。你应该想办法找到用户流失的原因，直到他们能贡献第一批连接才行。

关于第二点，长尾理论可以帮助我们理解，如何把用户和物品各种可能的连接汇总，包括用户属性、物品属性等，应该要有长尾效应才可能让推荐系统发挥效果。

这里我介绍一个简单指标，用于判断是不是需要推荐系统：

分子是增加的连接数，分母是增加的活跃用户数和增加的有效物品数。

如果增加的连接数主要靠增加的活跃用户数和增加的物品数贡献，则该值会较小，不适合加入推荐系统；
如果增加的连接数和新增活跃用户和物品关系不大，那说明连接数已有自发生长的趋势了，适合加入推荐系统加速这一过程。

总结

到底要不要上推荐系统，如果仅仅从战术上来看，是一个关乎投入产出比的问题，搭建一个推荐系统的前期投入不小，你需要：组建团队、购置计算资源、积累数据、花费时间优化。这些成本在早期不必要或者不成熟的情形下投入，显然投入产出比不是很优；如果是战略问题，另当别论。