推荐在互联网产品中都各有体现。
音乐类产品为用户推荐喜好的音乐类别，资讯类今日头条的个性化推荐颠覆了传统新闻客户端的首页频道，电商类产品根据用户搜索购买记录不断推荐相关产品，比如“猜你喜欢”“购买此类用户还看过”等等。
任何推荐产品都离不开两个问题：
第一个问题是对两个主体本身的分析；
另一个问题就是建立推荐对象和推荐内容这两个主体的推荐关系。
推荐的两个主体：一个是人，一个是推荐对象。从人出发，人的属性、行为（历史行为、实时行为）、人的关系链以及相似性；从推荐对象出发，对象之间的相似性，推荐对象的属性，时效性。
对人来说，也就是我们如何分析我们的用户，前提是我们希望获取用户的哪些数据作为推荐分析的根据。比如在冷启动阶段，用户没有数据积累的时候，支持新浪微博微信登录，获取用户在微博微信关注的帐号获取其兴趣。比如通过用户收藏、关闭、不感兴趣、购买等行为来作为判断用户对某类对象的喜好程度。而用户的关系链，和你相似的人，可能是好友，可能是同样购买一款产品，喜欢一种音乐的人。等。
对推荐对象来说，将推荐对象进行分析分类才可以针对不同的人进行推荐。比如通过分析音乐节奏节拍区分蓝调爵士摇滚等类别。比如推荐对象直接的关系，物与物之间的look like。
然后构建这两个主体的关系。
扣题，我们回到题目本身《如何做一个推荐车的产品》。
车型的推荐，和音乐类内容类产品的推荐需求不一样。对于音乐类和内容类产品来说，用户并不是带着问题和需求来的，并不是用豆瓣FM的时候，心中期望一个结果。因为需求来说，用户只不过是听听音乐，闲暇浏览而已。
但是，用户使用一款推荐车型的产品，是想要个即时的结果。
那这个结果越准确越好，越符合心意越好。因为寻求答案，才是用户的需求。
所以，前文中关于人的信息偏好的获取，只能有一部分作用，如何更优雅地让用户表达购车的需求，推荐符合用户心意的车，才是一个推荐车产品的要义。
现在已有的产品是如何让用户表达购车需求的？——论坛发帖？找车页面好几十的选项？
论坛发帖的推荐结果由用户互动提供，产品无法控制结果；
而条件选车是让用户做筛选找答案，该页面基本没有“推荐”功能可言。
因此，我们做了一个产品根据不同人的需求出推荐结果的一个选车工具。
场景化购车需求：以标签的形式概括出频次较高的购车标签：概述购车的第一需求；
需求分类偏好化：以四个维度将用户的购车需求分类，用户通过设置偏好而非选择专业选项；
默认四个维度的偏好为中间
外观偏向商务稳重，则奥迪帕萨特匹配度较高
最创新的地方——依据用户设置的偏好与车型进行匹配，从而为用户推荐心仪的车系；
也就是说量化了用户的需求偏好，同时也量化了车型的特质；这样才可以做匹配以推荐；
嗯，说着一两句就够了，但其实这背后是一套推荐算法以及一套车型数据库。
希望看官们多体验多留言。我希望它更好。先谢过。
网友评论