（一）定义理想态：
该模块的理想态：用户以最小成本找到感兴趣的书籍。
衡量标准：用户对推荐结果满意。（推荐结果的点击率）
（二）抽样调研
调研目标：发现推荐中的问题，找到推荐优化方向；
抽样对象：推荐结果点击率低于5%的书籍详情页；
分析方法：梳理抽样对象和推荐书籍的相关维度信息（包括：类型、作者、豆列、豆瓣成员常用标签、评分、出版社），进而梳理抽样对象及推荐书目的相关性。
具体抽样及分析结果：（因不知道具体的点击数据，在此选十组样本做分析，）
第一组：调研对象《决策与理性》
第二组：《弄假成真》
第四组：《天气预报》
第五组：《别了，上海》
第六组：《舒勒的怪兽》
第七组：《出租车！》
第八组：《4321》
第九组：《毕加索传：1907-1916（卷二）》
第十组：《那些古怪又让人忧心的问题》
（三）推荐策略分析
推荐策略的相关要素：
通过10本书的抽样分析，基本可以确定的豆瓣推荐策略的相关因素包括：作者、类型、应用领域、系列、关键标签、书名和豆列；
各相关要素的权重推测：
以上的相关要素对于推荐结果的影响是有不同权重的，通过分析初步得出的权重的从高到低的顺序应该为：作者、系列、类型、应用领域、关键标签、书名和豆列；
（四）推荐策略问题分析
举例说明现存问题：
（1）从第二、三组可以看出，对于作者作品较多而且同系列书籍较多时，推荐结果全部为该作者的该系列书籍，局限性较高；
（2）从第六组看出，对于比较冷门的图书，可得到的推荐结果少（召回率低），而且与该书相关性较差（准确率也不高）；
（3）从第九组可以看出，对于比较专业的小众书籍的召回率还需提高，同系列的相关书籍并没有得到推荐；
（五）推荐策略优化方向
网友评论