前言

大多數關于推薦系統的圖書都講述了算法及其優化方法。這些書都認為你已經有了一個大的數據集來供算法使用。數據集不會像變魔術那樣憑空出現。要想收集到正確的用戶偏好數據，就需要投入精力和進行思考。它會成就你的系統，或者搞砸你的系統。“垃圾進，垃圾出。”（Garbage in, garbage out.）這句著名的編程箴言對于推薦系統同樣適用。

       遺憾的是，適用于某個系統的數據可能不適用于另一個系統。出于這個原因，我們將認真討論可用的用戶行為數據，以及如何在你自己的站點中收集數據。

用戶參與度高的網站使其擁有者能夠收集到大量相關的數據，而大多數只有一次性訪客的網站則需要重點關注內容之間的關系。如果你沒有一個擁有大量用戶交互的流媒體服務來收集數據，也不要失望，很可能還有很多其他可以收集的東西。

理想情況下，推薦系統收集用戶與內容交互時的所有數據，包括測量大腦活動、接觸商品時血液中釋放的腎上腺素或用戶手上出汗的程度。我們的生活連接得越緊密，這種場景聽起來就越現實。

在電影《機器人瓦力》（WALL-E）中，人類變成一種沒有形狀的東西，一生都活在屏幕前的一把椅子上，所有跟他們有關的東西都被輸入計算機（想想看，我大部分時間都坐在屏幕前，但至少我會在屏幕之間移動）。由于大多數人除了被連接到推薦系統之外還有其他事要做，因此我們需要降低一些期望值。但是通過網絡，我們比任何實體店都更接近用戶，所以我們可以了解到更多東西。

總結

以上是生活随笔為你收集整理的产品经验谈：推荐系统实战案例-如何寻找有用的用户行为？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。