如何打造像网易云音乐一样的爆款推荐系统

关注“怒马”（微信号：noo-mark），分享更多互联网干货知识

本文内容来自于陈开江老师在怒马所开课程

《如何从零打造一个推荐系统》的课后感悟

近年来只要上点量级的产品都会有推荐系统，从亚马逊的文章推荐，豆瓣的豆瓣猜，直到最近的网易云推荐算法系统直接让滞后N年才出音乐类app的网易，用一年时间就可以和腾讯，阿里这些巨头音乐产品三分天下，并养成了一大批死忠！

那么到底如何从零开始打造一个推荐系统呢？

首先你要搞清楚你为什么要打造一个推荐系统

这个推荐系统的能够带来什么？

然后我们得明确什么是好的推荐系统。

可以通过如下几个标准来判定。

• 用户满意度（主要是用户对系统推荐满意程度）

• 预测准确率（对用户喜爱的东西的准确程度）

• 多样性（不局限于一个方向，而是能带多样的推荐）

• 惊喜度（开拓用户喜视野与之相关的产品）

推荐系统一般分为三大类：

1.利用用户行为数据 

用户在网页上点击的收藏，购物浏览记录，复杂的评价体系。这其中蕴含了大量的用户反馈信息，通过对这些行为的分析，我们便能推知用户的兴趣喜好。

2.利用用户标签数据

利用用户自己对自己的理解，比如提供标签方式的选择。关于标签的推荐，一种是根据用户打标签的行为为其推荐物品，还有一种是在用户给物品打标签的时候为其推荐合适的标签。

3.利用社交网络数据

实验证明，由社交关系这种强关系推荐的东西，购买率非常高。像京东接入微信后，一些关于京东的推送广告，以及你在京东购物的自动推动，部分会根据你的社交记录来做的。

介绍了那么多的推荐系统基本概念，那么如何做数据的冷启动呢？

具体分三种情况：

• 如何给新用户做个性化推荐，

• 如何将新物品推荐给用户，

• 新网站在数据稀少的情况下如何做个性化推荐。

针对前两种情况，对于刚进来的新用户我们可以对他进行一种粗放的推荐，比如年龄，性别，爱好等。

比如像知乎一样在用户注册之前先填写一些用户兴趣爱好的数据。

而在网站初建，数据不够多的情况下，可能就要先通过人工的力量来建立早期的推荐系统了。简单一点的，人工编辑热门榜单，高级一点的，人工分类标注。比如网易云音乐早起雇了一批懂计算机的音乐人来给大量音乐进行多维度标注，称之为音乐基因。其他也会相办法挖来其他公司的社交数据来做一个基本的判断。

最后，我们再来看一下音乐的推荐系统从建立到运行全过程

不知你是否对云音乐的推荐系统有了初步的了解呢？

如果你还想学习这些？

• 推荐系统的最简可行产品(Minimum Viable Product,MVP)是什么样

• 重新认识用户画像及标签系统

• 推荐系统的迭代

• 其他相关话题简介，如团度组建，产品和技术的合作，数据思维等。

7.31号 陈开江老师又来怒马开课啦！ 

现场老师会解答大家所有关于推荐系统的疑虑，

不知道你有没有心动，反正我已经购票了！！！