今日頭條的個性化推薦，火了今日頭條，又火了抖音，爆品背後隱藏的推薦和推薦系統到底有什麼魔力？
(1)推薦的概念
推薦建立在海量數據挖掘基礎上，向用戶提供個性化的信息服務和決策支持。推薦分爲個性化推薦和非個性化推薦。推薦 作用有三:降低信息過載、發掘長尾、提高轉化率。值得強調的是，個性化推薦只是推薦的一種，是千人千面，精準到個 人一面;非個性化推薦包括熱門推薦、編輯精選、相似推薦等。
(2)推薦系統的概念及核心價值
基於推薦的釋義，顧名思義，推薦系統即根據用戶以及場景差異，對信息進行合理的排序、過濾，解決信息過載問題的一 套機制。 推薦系統幫助用戶在海量信息中找到所需要的服務與信息，是信息爆炸時代下的產物。改革開放以來，物質文化生活極大 豐富，內容和商品生產門檻在不斷降低，面對信息過載，精力有限的用戶的信息接受速度，與內容和商品的生產速度呈現 矛盾。在這種情況下，推薦系統的普及與應用，其核心價值就是解決信息過載。 簡單來講，我們不妨從以下四個關鍵點來了解推薦系統，如下:
關鍵 1:根據用戶及不同的場景差異 這是許多企業在做推薦系統初期容易忽略的一點，推薦系統不僅僅要基於用戶，相關場景的差異會對於最終的推薦效果產 生巨大的影響。
關鍵 2:對信息進行合理的排序、過濾
實際上企業有成千上萬乃至上億的 item，這些 item 可能是文章、視頻、商品等。如何將這些 item 推送給用戶，就會涉及 到推薦系統背後的運作原理。
關鍵 3:推薦系統要解決信息過載的問題
企業需要幫助用戶解決信息過載的問題，從而爲用戶設計這樣一套機制。
關鍵 4:一套機制
推薦系統是由不同的算法、規則等構成的一套機制。
（3）推薦系統對企業產品、業務的價值
推薦系統對企業產品、業務的價值主要表現在以下幾方面: 第一，推薦系統提升產品智能化及用戶體驗。以內容分發行業爲例，門戶時代的編輯通過人工的方式進行頻道內的內容分發。
以體育頻道爲例，編輯所關注的內容粒度可能是 NBA，但對於關注“詹姆斯”這種更細粒度的用戶羣體，編輯則無法很好 地滿足。 第二，推薦系統降低運營成本，提升運營效率。隨着流量紅利消失，企業關注降本增效。傳統的門戶可能需要成百上千的 編輯來進行內容分發，依舊無法滿足用戶更細粒度的內容需求。推薦系統的存在，可實現幾個運營人員負責一個客戶端內 容的分發，日常做一些推薦干預即可。
想了解更多關於推薦的內容？可點擊鏈接，下載《從零到一搭建推薦系統指南》完整版白皮書