就让推荐，系统实践起来吧！

互联网世界的很多理念或者术语，看起来专业无比，仔细想想，在生活里又随处可见。比如推荐。
遇见一个美女，看到一本好书，热烈的想要与他人分享的心情；独自待在房间里，渴望与他人建立联系却又无法获取任何回应；这种时候，打开网页，或者邮箱，发现一封亚马逊的邮件，说是特别为我挑选了我可能中意的同类商品，结果还真是最近超级想买的那一本。于是就小小的享受了，被猜中心思的默契，虽然那个猜中你的不过是基于算法的程序而已。
是啊，不过是程序而已。
不过是基于某些预先设定的算法进行的推测罢了。


本书介绍了推荐系统的缘起与发展，讨论了不同案例的实现算法。作为某历史系出身数学极差的PM，表示最爱看的是第一章以及后记……以至于在小组分享会上还拿第一章的内容做了个PPT给这本书做了下宣传，然后，在早班地铁上，把后记认认真真读了三遍。

摘抄下吧。
……10条在设计推荐系统中学到的经验和教训。
（1）确定你真的需要推荐系统。推荐系统只有在用户遇到信息过载时才必要。如果你的网站物品不太多，或者用户兴趣比较单一，那么也许不需要推荐系统。所以不要纠结于推荐系统这个词，不要为了推荐系统而做推荐系统，而是应该从用户的角度出发，设计出能够真正帮助用户发现内容的系统，无论这个系统算法是否复杂，只要能够真正帮助用户，就是一个好的系统。
（2）确定商业目标和用户满意度之间大关系。对用户号的推荐系统不代表商业上有用的推荐系统，因此要首先确定用户满意的推荐系统和商业上需求的差距。一般来说，有些时候用户满意和商业需求并不吻合。但是一般情况下，用户满意度总是符合企业的长期利益，因此这一条的主要观点是要平衡企业的长期利益和短期利益之间的关系。
（3）选择合适的开发人员。
（4）忘记冷启动的问题。不断地创新，互联网上有任何你想要的数据。只要用户喜欢你的产品，他们就会不断贡献新的数据。
（5）平衡数据和算法之间的关系。使用正确的用户数据对推荐系统至关重要。对用户行为数据的深刻理解是设计好推荐系统的必要条件，因此分析数据是设计系统中最重要的部分。数据分析决定了如何设计模型，而算法只是决定了最终如何优化模型。（话说这些话看得让人猛点头不已啊）
（6）找到相关的物品很容易，但是何时以何种方式将它们展现给用户是很困难的。不要为了推荐而推荐。（第二次说了！不要为了推荐而推荐）
（7）不要浪费时间计算相似兴趣的用户，可以直接利用社会网络数据。
（8）需要不断提高算法的扩展性。（话说有不需要不断提高扩展性的算法吗？）
（9）选择合适的用户反馈方式。
（10）设计合理的评测系统，时刻关注推荐系统各方面的性能。

作为这个时代的用户，我们是幸福的，有那么多人在关注着，琢磨着，研究着我们是怎样的人，我们爱好着什么对什么感兴趣；作为这个时代的开发者，我们是幸福的，能站在巨人的肩膀上，尽力往潮头眺望。推荐系统的实践一定可以不断推进下去，对未来，我期待着……