个性化推荐基于用户过去的行为向用户推荐可能感兴趣的物品，然而新用户在平台上没有任何行为，这种情况下该如何推荐用户感兴趣的内容？主流的解决方案有以下三种：1.让用户主动提供信息；2.利用用户的附加信息；3.热门榜单。
1.让用户主动提供信息
让用户主动提供信息就是向用户提供一系列的选项，让用户自己选出感兴趣的内容，从而帮助推荐系统选出符合用户可能感兴趣的数据。
2.获取用户的附加信息
用户主动提供信息的方式最简单，但对于用户而言，操作成本太高，稍微设计不当容易吓跑用户。最好的方式是用户不用主动输入任何信息，而是通过自动识别用户的附加信息，经过分析和关联后再向用户推荐相关的数据。
可以主动获取到的附加信息主要有以下几种：
①用户所处的地理位置
根据用户所在地理位置，可以向用户推荐该地区相关的内容，比如当地的新闻、热点等等
②用户手机的信息
用户所使用的手机是苹果还是安卓，安卓中又分高端机、中端机和低端屌丝机，根据这些信息可以大致推测出用户的品味，再向其推荐相关的内容。比如向苹果用户推荐精美的或者知识型的数据，向安卓的低端屌丝机推荐美女、社会三俗等内容。
③用户手机中包含的其他信息
安卓平台较为开放，可以获得用户手机上安装的其他APP，也可以作为新用户推荐的依据。比如，用户如果安装了美柚、又安装了很多购物软件，基本上可以判断用户为女性，可以向其推荐女性比较喜欢的内容，如果用户手机上安装了很多手机游戏，可以判断出用户喜欢玩游戏，内容上可以推荐一些游戏相关的视频。
④用户在其他平台沉淀的信息
国内提供了开放用户数据的产品主要微博，通过用户在微博中的画像，可以简单地判断用户的喜好，从而向用户推荐相关的内容。
不管哪一种数据获取方式，都是为了能够自动获取用户的信息，向用户用户推荐更可能感兴趣点的内容。
大部分用户喜欢的内容占所有内容的极少部分，这部分数据通常叫做“短头”，而另外一部分喜欢的人不多，但是又特别多的数据叫做“长尾”，这就是著名的“长尾理论”。在做新用户试探的时候，除了用户主动提供的数据和用户在其他地方的线索数据之外，自有平台上经过检验的热门数据，也就是“短头”数据也可以推荐给新用户。这样可以保证推荐给用户的内容是大部分人都在看的。
