Q1.什么情况下产生了信息流平台广告个性化推荐？

　　背景我还真不知道怎么回答…信息流平台个性化其实很早，只有最近几年大家才有这种感觉，IBM在零几年就发表了相关论文&IBM的应用，只是更多的是toB业务很少被关注；

　　亚马逊购物后的相关商品也比较早，或许大家更能感觉到，这点国内电商平台很快就跟进了；

　　如果把大背景排除在外，看风口本身的方向，有两点非常重要：

　　效益最大化，定位永远是有限的，要想获得更好的定位就要考虑这个定位如何能满足更多人的需求，比如我11年的信息流平台时候负责NBA的业务，即使今天体育应用程序还会把赛事放在头上，但是一天NBA14场比赛摆下来是否真的有用，比如我只看到了凯尔特人你全部都来了，我还要看看凯子在哪里，我们跑了14场比赛，最受用户支持的是那几支球队，只推这几支球队的赛事进入赛程查看，这是一个个性化的建议；

　　其次要考虑数据化，有个笑话说在没有大数据应用的场景中，实际上大数据是一个大数字，这一场景非常需要数据信息流平台化的提取，我们都知道互联网的迅速发展=技术*人口红利，20年前就说要进行个性化升级，也许386的CPU根本无法产生足够的数据特性；

　　从这两方面来看，只要您的企业已经到了迫切需要提高效率的阶段，我个人认为何时进入个性化推荐领域都是合适的。

　　Q2.信息流平台的个性化推荐应该如何进行？

　　soglon最近的一篇文章对信息流平台个性化推荐做了更恰当的总结：你正在关注的是头条新闻。

　　产品经理的个性化推荐需要具备哪些专业技能？

　　不管是哪种产品，最基本、最重要的还是要了解用户，至于专业技能多是一种增添色彩的工具。

　　一个同事曾经整理了一份对用户的理解，时间的缘由直接copy到这里与大家分享。信息流平台

　　问题4.个性化推荐究竟如信息流平台何实现个性化推荐？这背后有什么逻辑？

　　首先是一个例子，比如一个女孩子去逛街。

　　您要买某种裙子，商场正好有，您就买吧。

　　不知道买什么就到处逛，看到很多人买这条裙子，你跟着也买了。

　　个人化的推荐就是这么简单，你喜欢什么就给什么，你不知道自己喜欢什么就给你推什么看自己喜欢什么类型的人信息流平台，喜欢什么就推什么，不喜欢什么就继续推。

　　那么，我们怎样才能知道什么是你喜欢的，什么是你在某一时刻喜欢的，我们将把内容与内容特征值、行为特征值信息流平台、状态特征值等进行连接，然后根据这些特征值的组合不断地尝试探索某人的兴趣，并进行再次推荐。

　　在此必须注意各个特征值代表的意义！

　　有哪些常见的推荐算法规则可供参考？它们分别有哪些优点？

　　群组，基于用户数据建模。

　　基于内容数据建模的圈内容。

　　协作过滤：基于用户的协作过滤，信息流平台基于项目的协作过滤，基于模型的协作过滤。

　　优点和缺点都不好说，放在自己的业务和用户画像匹配之后去评价。

　　如何看待机器学习和个性化推荐之间的关系呢？

　　无机学习个性化推荐是盲目盲目的。

　　标签系统是怎样建立的，对整个网站的作用体现在哪些方面？

　　第一个标记属于内容特征值的一部分，有了标记更能了解用户对内容的需求，这算基本的推荐标记。

　　关于标号系统的搭建，我觉得搭建这个词不好，一旦是你搭建多了就有了定义，但是tag没有定义，比如前两天我信息流平台们同事聊天说我要扩展一下你，扩展这个词大家知道什么意思吗？

　　假如不知道大家可以搜一下，这个词是随著00后而来的，不是我们定义的，我更觉得tag需要考虑的是应用，这里有两个方面。

　　可有可无的推荐维度，比如动作电影代表的是一类用户，但是电影这个兴趣太大就不适合推荐了，当然动作电信息流平台影其实也很大，这里就简单举例说明。

　　就像哥哥一样，不受人关注的推荐维度，这到底是说张国荣还是小弟弟小妹妹的弟弟呢？

　　但是这条界限又取决于你所处的平台，比如上面的小哥哥，它和快手、抖音一样，的确也是一个标签。

　　Q8.内容社区个性化推荐的方向应从哪些方面考虑？

　　第一是用户模型，建立人群模型信息流平台、场景模型和兴趣模型，说白了就是不同用户对不同场景的喜好你要了解；

　　然后对内容进行筛选，平台所需的主信息流平台题有哪些，这些内容背后的账号哪些是优质账号能创造流量价值，哪些是权威账号能引导平台的内容风格；

　　最终的“CP”，做社区绕不开核心用户，信息流平台些真正有价值的用户怎样才能引导他们创作原创内容，怎样才能通过对账户体系的加权来增强品牌影响力；

　　这个中间说起来容易，做起来真的还挺麻烦的，旅游广告投放简单点就可以复盘+观察下知乎历次版。