用SEO优化分析鸟哥笔记(seo泛站群)

许多专业人士的知识结构特点都是： 在太少的地方知道的太多。

我们总是希望他们能讲点什么，但很遗憾的是，许多专业人士已经逐渐丧失了和大众对话的能力，他们一开口，讲的东西大多人都很难轻易听懂。

在职场，分工的边界开始变得模糊，大多人需要的是 对许多方面都有一定的了解，但又不需要特别精通 ，从而能和其他人有更流畅的合作，对项目有更宏观的理解，对非专业的知识也能有框架性的认识。

所以本文梳理了内容推荐算法的基础逻辑，没有任何公式和算法程序， 10分钟就可以对内容推荐的方方面面有整体的理解 。

为了让文章尽可能简化，所有不必要的内容都没有在文中写出，但罗列了许多参考文章，可以进一步扩展阅读。各位在人人都是产品经理、鸟哥笔记、搜狗微信搜索等网站检索，就可以轻易得到文章。

绝大多数已知的事情在逻辑上都是非常简单的 ，难的地方在于细节的处理、技术的实现。但在“认识”这个阶段，对逻辑的理解非常重要，所以这是一个 既重要又简单的部分 。

在“实践”阶段则要复杂的多，需要我们自己在做的过程中反复琢磨，找到真正适合自己的方案。

全文分为6个基础逻辑。

「扩展阅读」

内容分发方式

「扩展阅读」

搜索引擎&推荐系统

「扩展阅读」

推荐系统&用户画像

「扩展阅读」

断物&识人

断物和识人，一个关注内容，一个关注用户，简单来说都是“ 贴标签 ”。标签是我们对多维事物的降维理解，抽象出事物更具有表意性、更为显著的特点。

「扩展阅读」

基于内容的推荐&基于用户的推荐

基于内容的推荐指的是「相似性推荐」。

基于用户的推荐指的是「协同过滤」。

「扩展阅读」

设计一款推荐系统，除了整体逻辑和具体算法，期间还会遇到各种各样需要考虑的问题，比如 去重问题、权重问题、推荐密度问题、易反感内容处理、时空限定类内容处理、反作弊、偶然和极端情况 等等，都需要我们逐步考虑进来。

另外，理解整体逻辑后，我们还需要知道，推荐算法是有很多不同的典型使用场景的。比如 基于用户消费历史的商品推荐、视频播放结束后继续观看的场景、搜索的场景、时下流行内容的推荐、热榜推荐的热度算法 等等，每一类场景都能找到典型的产品，但一定要根据分类找到更有参考价值的案例，以免逻辑混乱。

以上内容，写给那些对内容推荐非常陌生的产品和运营人员，可以作为入门理解的首选文章。当然，一个成熟的推荐系统从设计到落地要复杂得多，每一个不同的细节问题、每一个使用场景都有相关的文章或图书，可以进一步检索学习。

本文链接：https://www.24zzc.com/news/170537635954416.html