这个思考来的有点迟，在去年短暂接手搜索的时候第一次接触这个模块，今天又看了“算法是不是产品经理应该考虑的问题？为什么？”的文章，为了弥补之前“不作为”的窘况，觉得有必要重新总结一下产品经理在个性化推荐项目中需要做的工作。
一、认识个推，做初步判断
个推是在信息丰饶时代帮助用户发掘信息或帮助信息呈现给用户的一个产物。大到一个完整的产品，比如“什么值得买”“半糖”这类基于主流电商平台的一种推荐产品，小到一个模块，比如某电商购物车里的“猜你喜欢”。前者范畴太大，不再细分讨论了，对于后者，大抵可以用锦上添花和喧宾夺主两个词来形容。特别说一下喧宾夺主，即在用户具体浏览某商品时，推荐位过于靠前是个极大的败笔。那么一个好的个推应在锦上添花和不能喧宾夺主的约束下做到兼顾用户、商品、平台的三方利益、自我优化的能力以及真的能创造价值。
下图是从《推荐系统实践》中摘录的适合个性化推荐产品的一些特征，是基于音乐产品的总结，可以概括为“能让用户逛起来的产品是最适合个性化推荐的”。
适合个推的产品特征
仅作为参考，并非要条条满足，最终还是要回归到做个推的初衷，也许不用做个推也能实现呢？或者这个东西并没有那么重要放到以后再做？
二、与研发沟通，细化方案
不仅能明确表达出想要的效果（比方说是在用户购买手机后推荐继续购买手机壳，在用户浏览某鼠标的时候向其推荐同类型其它鼠标，或是说用户上次购买了某件衣服这次向他推荐衣服搭配一类的），还需要熟悉一些基础知识，比如个推是如何运作的（有哪些算法、数据处理方式等），有哪些特别关注的点（冷启动，防作弊等），然后和研发充分沟通达成共识。比如：
某用户在某OTA上经常预订酒店，积累了足够的历史数据，表现为对地点的偏好为5、对5星级的偏好为4、对有无早餐的偏好为3、对酒店评价的偏好为2··········，如果出现无结果之前有进行过其他操作，获取到什么样的数据，再结合他的偏好给出推荐，如果出现无结果之前没有其他操作，又怎么根据偏好给出推荐，并且在给出推荐，再之后，结合用户行为，怎么样才算推荐成功，怎么样又是失败，失败之后应该如何调整相应算法············
这只是个人YY的例子，没有实际操作过，相信真实的结果应该比这个细致十倍，想来应当是极其细致的树状图。
三、数据分析及优化
方向有两个，一是细分商品&用户的属性，做到更加个性化；二是完善推荐算法，做到更加准确。
方法有三个，一是要关注各级转化率，二是要多看实例，三是要自己多测试，目的就是把数据还原到场景·········编不下去了。
当时接手的时候只走了第一步，判断下来是优先级非常靠后，并且还想把当时已有的多数推荐位都下掉。现在想来，当时的判断是没错，如果做了，那等于是把鲜花插到牛粪上，但也没对，谁说就一定要做个推的？后面两步纯属自己杜撰，一没有实际操作过，二没有找到专业人士交流过，打脸。
网友评论