稚久|智能推荐系统：市场现状及趋势，机器学习返回的结果你满意么？( 二 ) 摘要：在过去几年中

推荐畅销品
负反馈入口除了上面推荐的类型外，还有负面反馈相关的入口，允许用户对推荐内容做一些互动和反馈，比如对文章内容不感兴趣，不喜欢作者，图片让人感觉不适，等等，这样负面反馈的内容对于推荐系统是提升入口的最终用户个性化体验，可提高当前用户的护理程度。
智能推荐的行业应用电子商务行业个性化推荐逐渐成为电子商务平台的必要产品功能和GGM改进的引擎。通常在这种情况下，不同的最终消费者对长期和短期的购物兴趣和购物习惯有区别。他们希望在网络"购物商城"的过程中找到一系列喜爱的产品和意想不到的收获，也希望在明确选择和购买产品时"比较和对比" 。智能推荐可以应用于典型的 - "四处逛逛"猜测你喜欢的场景和"四处逛逛"相关的推荐方案，提供数以千计的推荐服务。
金融科技行业从用户信息数据、用户行为数据、业务数据中挖掘出的人群标签可以实现细分的客户群营销，从而提高营销效率。现在市场上大部分精密营销产品都对应着这个阶段，一套具有圈人能力的营销管理工具。
以金融生活场景为例：包括支付、财务管理、贷款、保险和其他产品建议。对于具体的推荐页面，如推荐支付成功页面，广告空间，红包等，背后有智能推荐引擎发挥作用。
金融科技中的 AI
新闻和内容行业相关建议主要在新闻展示页面和阅读后的建议中。其中，新闻的基本形式不限，文章、视频可推荐内容。
当用户使用服务时，他们期望停留很长时间，而不是只是四处走动。事实上，这个过程是一个不断学习和关心用户的过程。例如，如果用户对军事内容和点击感兴趣，则推荐系统将在后续推荐结果中提供一些反馈和更改。假设用户对军事开头、后期娱乐新闻感兴趣，娱乐新闻将在后续推荐结果中逐步呈现给用户，整个推荐过程是一个实时的反馈和互动过程。
实时交互是促进用户沉浸式浏览的基本功能。推荐系统可以实时了解最终用户当前兴趣的表达和变化，并在下一次生成的推荐结果中进行更新，实现实时交互推荐功能。
如何决定您的产品是否需要智能推荐首先，看看产品的目的。如果产品的目标是建立尽可能多的连接，它最终将需要一个推荐系统。通常，产品的目的是建立连接或工具产品，其存在只是为了提高某些人工任务的效率，如 AXURE、ERP 等。尽管如今许多产品都是从创建社区的工具开始的，但至少当工具强大时，它们不需要推荐系统。
其次，看看产品的现有连接性。如果您的产品项目太少，您可以手动处理它，并且用户没有很多连接，那么现在不是构建推荐系统的好去点。应该长尾效应，使推荐制度工作。
Long尾部效应：在克里斯·安德森的《长尾》中，他认为大众市场正在变成无数的利基市场，这要归功于网络的进步，这些进步使消费者能够以更低的成本找到不太受欢迎的利基产品。
长尾理论
传统的网络搜索或手动推荐无法有效匹配庞大的长尾资源和各种用户需求，而个性化推荐可以通过"智能分销引擎"实现千人面，以高效率的推送换取高商业效益