《我的金融科技帝国》 第878章【来自大BOSS的保姆级发展攻略】(2/3)
br> 群星资本可以说是掌握了最完备的用户画像，因为旗下各大子公司的数据都在母公司的调剂之下，各数据链路都是打通了的。
毫不夸张的说，群星资本基于掌握的大数据，对某个用户的了解程度甚至比他本人都清楚。
这就是大数据的威力所在，也是大数据所蕴含的无与伦比的价值所在，它有着超级强悍的变现能力。
基于陈宇提供的算法技术支持，知道了一个人喜欢打篮球，算法判断出有一篇文章就是讲篮球的，那么就会把这篇打篮球的文章推荐给喜欢打篮球的人。
算法推荐的逻辑其实就是这么简单。
方鸿有条不紊地说道：“我让陈宇开发的这个算法推荐，主要有两种方法。第一种是基于内容的推荐算法，什么是基于内容的推荐算法？比方说一个人进入抖音以后，他点赞了一条关于打篮球的文章A，算法经过识别发现文章B也是和打篮球有关的，那么算法会就把文章B推荐给他，这就是基于内容去做推荐。”
“第二种是基于协同过滤的算法推荐，协同过滤这个词可能晦涩一些，换一个说法，就是基于用户行为的算法推荐，这种基于用户行为的算法推荐又可以细分为两类，一种是基于物品的用户行为算法推荐，另一种是基于用户的用户行为的算法推荐。”
方鸿进一步为伍承展开了解构这两类细分的算法推荐：“基于物品的用户行为算法推荐。比如你是用户A，你喜欢了系统内的物品1，系统识别喜欢物品1的用户还有用户B、用户C和用户D，然后系统还识别用户B、用户C和用户D也同时喜欢物品3。在用户喜欢物品这个行为上，我们是不是就可以去猜测物品1和物品3是近似的呢？”
“于是系统就把物品3推荐给了用户A。这一套逻辑里边是基于对物品喜欢的角度上去推荐的，所以将它称之为基于物品的用户行为算法推荐，因为其推荐逻辑是用户喜欢物品这个行为。”
“第二种基于用户的用户行为算法推荐，其中的逻辑和第一种也是一样的，但区别就是人与物品反转了一下，在这个用户行为的推荐方法上，系统识别的目标不再是物品而是人，基于用户行为而把用户分成不同类别，从而对他们开展类似的推荐。”
末了，伍承不由自主地点头：“我明白了，这算法推荐模式确实厉害，在辅以母公司拥有的大数据用户画像的支持，-->>
毫不夸张的说，群星资本基于掌握的大数据，对某个用户的了解程度甚至比他本人都清楚。
这就是大数据的威力所在，也是大数据所蕴含的无与伦比的价值所在，它有着超级强悍的变现能力。
基于陈宇提供的算法技术支持，知道了一个人喜欢打篮球，算法判断出有一篇文章就是讲篮球的，那么就会把这篇打篮球的文章推荐给喜欢打篮球的人。
算法推荐的逻辑其实就是这么简单。
方鸿有条不紊地说道：“我让陈宇开发的这个算法推荐，主要有两种方法。第一种是基于内容的推荐算法，什么是基于内容的推荐算法？比方说一个人进入抖音以后，他点赞了一条关于打篮球的文章A，算法经过识别发现文章B也是和打篮球有关的，那么算法会就把文章B推荐给他，这就是基于内容去做推荐。”
“第二种是基于协同过滤的算法推荐，协同过滤这个词可能晦涩一些，换一个说法，就是基于用户行为的算法推荐，这种基于用户行为的算法推荐又可以细分为两类，一种是基于物品的用户行为算法推荐，另一种是基于用户的用户行为的算法推荐。”
方鸿进一步为伍承展开了解构这两类细分的算法推荐：“基于物品的用户行为算法推荐。比如你是用户A，你喜欢了系统内的物品1，系统识别喜欢物品1的用户还有用户B、用户C和用户D，然后系统还识别用户B、用户C和用户D也同时喜欢物品3。在用户喜欢物品这个行为上，我们是不是就可以去猜测物品1和物品3是近似的呢？”
“于是系统就把物品3推荐给了用户A。这一套逻辑里边是基于对物品喜欢的角度上去推荐的，所以将它称之为基于物品的用户行为算法推荐，因为其推荐逻辑是用户喜欢物品这个行为。”
“第二种基于用户的用户行为算法推荐，其中的逻辑和第一种也是一样的，但区别就是人与物品反转了一下，在这个用户行为的推荐方法上，系统识别的目标不再是物品而是人，基于用户行为而把用户分成不同类别，从而对他们开展类似的推荐。”
末了，伍承不由自主地点头：“我明白了，这算法推荐模式确实厉害，在辅以母公司拥有的大数据用户画像的支持，-->>
转码声明：以上内容基于搜索引擎转码技术对网站内容进行转码阅读，仅作介绍宣传，请您支持正版