由于前面一直在天猫搜索macbookpro，也顺便搜索了一些其他的东西，包括macbookpro的配件，在天猫上留下了很多搜索的信息；
有一段时间没有打开天猫app，周末打开支付宝和天猫app，发现有很多各种推荐；基本是app内部（非店铺详情）所到之处都不例外；
-------------------------------------------------------------------------------------------
花几分钟搜索了一些其他的东西；发现搜索的次数越多，后面推荐的东西就会随着搜索内容的变化而变化；
基本就是，打开天天猫，全部都是你想买的东西；而且，每个人的推荐内容都不一样；这背后，其实就是天猫推荐系统的支持；
-------------------------------------------------------------------------------------------
前面刚好我们也在打算搞个性化推荐，深入了解一下；下午特地找了几家线下商场做一次实验，验证一些想法；
其实线上的个性化推荐就是为了提升用户找到心仪产品的效率，从而快速做决定产生购买，提升入袋率；
-------------------------------------------------------------------------------------------
线上的场景基本都是从线下翻译过来的；我们看一下线下的推荐场景是怎么样的：
我们以电子产品笔记本电脑为例，一个人走进店里，导购员需要了解用户的使用需求，打游戏还是办公；品牌偏好，联想还是华硕还是苹果，之前是在用什么电脑；消费能力，预算一万还是七千；使用习惯，移动办公还是固定办公；等等个人信息，然后给出最符合用户的商品推荐；
-------------------------------------------------------------------------------------------
1、仔细思考导购员的套路，我们从电商角度做一下导购推荐场景还原：
1）、需要了解用户的信息，知道的用户的属性类型；
2）、需要了解所有商品的信息；
3）、通过经验或者知识沉淀，知道什么类型的用户适合什么类型的商品；
在以上基础之上，给来访用户进行商品推荐；
-------------------------------------------------------------------------------------------
2、总结下来线下导购员的推荐其实就是三个部分：
1）、将用户的信息（历史记录、会员属性）转化为用户的类型；
2）、了解所有商品应该归属的类型；
3）、了解什么类型的用户，适合什么类型的商品；
回归线上，其实也是这么个套路；所以推荐系统就是这么样一个逻辑；
-------------------------------------------------------------------------------------------
3、结合电商购物场景，总结一下推荐系统四种推荐基础模式：
1）、看过还看过；2）、看过还买过；3）、买过还看过；4）、买过还买过；
基本上电商所有推荐系统都是结合这四种模式进行的系统智能推荐；
-------------------------------------------------------------------------------------------
这是个性化推荐系统系列的第1篇，该系列一共有5篇：1、《个性化推荐系列之初步认识推荐系统》；2、《个性化推荐系列之初步认识机器学习》；3、《个性化推荐系列之推荐系统的演化及常见推荐算法》；4、《个性化推荐系列之协同过滤推荐算法总结》；5、《个性化推荐系列之推荐算法实践》；
详见知乎专栏--产品打杂https://zhuanlan.zhihu.com/zhoulink
