推荐策略产品经理基础知识——推荐系统逻辑（上）

今天主要给大家聊聊推荐系统与搜索系统的区别。总的来说，推荐主要是根据用户的行为喜好来的，而搜索则是用户主动获取某些信息。
根据我平时接触的推荐和搜索业务，简单地将2个业务的流程进行梳理以及知识点扩展，便于需要的同学能够快速地了解2个系统的基本逻辑。

推荐系统逻辑

推荐的本质就是为了解决信息过载造成的“选择困难症”，便于用户能够在自己选物之前，系统已经帮用户筛选到了最想要的信息。

以下是我按照用户打开APP进入推荐页面时，推荐系统返回给该用户推荐列表的整体流程：

整个流程的重点逻辑主要在召回、排序、重排三层，这一节专门讲这一块，至于AB实验平台上的逻辑，后面会有专门的一节进行AB实验的详解。

召回

什么是召回？大多数人都会很快解释：召回是从物料库中获取一小部分物料，这一小部分物料会在后续的环节被模型用来进行打分排序。

这里我们再直白一点理解吧，召回就是捞，给用户推荐的时候，不可能把平台上所有的item都拿出来走模型排序，这样的话计算时间会很长，且资源消耗很大、不合理。这个时候就需要去平台内容库里把最适合用户的item捞出来，这就是我们说的召回。

通常都是从亿万级数据或千万级数据中捞出千百级别的item。召回这一步主要是处理数据量大，需要步骤速度够快、模型不能太复杂且使用特征相对排序少。

当然，召回也是决定个性化推荐的基础，目前来看，召回多数是多路召回（这里可以理解为通过不同限制条件去捞）。

下篇文章给大家讲讲多路召回的好处以及常见的召回路径，感兴趣的话可以继续去看看！

以上就是“推荐策略产品经理基础知识——推荐系统逻辑（上）”的内容了，如果你还想了解其他相关内容，可以来 产品壹佰 官方网站。