推薦機制的兩種方式：1、基于用戶行為；2、基于產(chǎn)品基因；推薦機制建立的前提：1、用戶行為數(shù)據(jù)記錄；2、產(chǎn)品特性基因構(gòu)成；

1、基于用戶行為：案例amazon（亞馬遜）

亞馬遜的推薦系統(tǒng)是程序自動化和用戶相關(guān)購物信息天才集合的經(jīng)典之作。亞馬遜花了十幾年的時間建立和完善了這個系統(tǒng)。這個系統(tǒng)基于產(chǎn)品和相關(guān)用戶的巨大數(shù)據(jù)庫；記錄的信息包括你在過去幾年或幾分鐘內(nèi)做過什么。

所有推薦都基于用戶個人行為，加上商品本身，或者是其他用戶在亞馬遜的活動。不管是因為你以前購買過相關(guān)產(chǎn)品，還是因為其他很多用戶都喜歡，亞馬遜每推薦給你一件商品，都增大你把它放進你的購物筐的可能。

2、基于產(chǎn)品基因：案例pandora（潘多拉）

音樂染色體組項目的 推出，目的在于把音樂解析成為最基本的基因組成。它的基本想法是：我們因為音樂的某些特性喜歡音樂－－那么為什么不能根據(jù)音樂的某些相似之處設(shè)計出一套推 薦系統(tǒng)呢？這類推薦系統(tǒng)應(yīng)該屬于基于產(chǎn)品的推薦。但具有深刻創(chuàng)新意義的是，產(chǎn)品（音樂產(chǎn)品）的相似性，通過“基因”組成來衡量。

這種“即刻滿足感”是很難抗拒的。因為pandora 了解音樂相似性背后的因素，它不需要了解用戶的好惡，就可以把用戶黏住。確實，pandora 需要把握用戶的口味或記憶－－但這正是蘊藏在音樂本身的dna中了。當(dāng)然pandora有時并不完美，會播放不對用戶口味的音樂。但這很少發(fā)生。

拓寬聯(lián)想：音樂產(chǎn)品的基因組適用于其他產(chǎn)品嗎？也就是說：標簽（tag）是否就能代表產(chǎn)品的基因呢？案例del.icio.us

社會化書簽網(wǎng)站中首屈一指的 del.icio.us （見譯言有關(guān)del.icio.us的譯文）則采用不同的辦法－－讓用戶自己來鑒定、標識。這種自組織的方式相當(dāng)成功，del.icio.us 很快在最初的使用者中流行起來。今天，del.icio.us 已經(jīng)不僅僅是一個書簽網(wǎng)站－－它還是一個新聞網(wǎng)站和搜索引擎。但del.icio.us是否也是一個推薦系統(tǒng)呢？ 答案是肯定的。這是一個非常簡明的推薦系統(tǒng)，它指基于一個基因－－那就是一個標簽。

思考：每一個網(wǎng)站都有自己的一套為用戶創(chuàng)造體驗與價值的方式，而真正的“即可滿足感”又有幾家能做到。尤其現(xiàn)在的web2.0類型網(wǎng)站都首先標榜“用戶體驗”，在copy一個成功模式之后，以為就同樣完整的copy了相同的“用戶體驗”的自我感覺其實是錯誤的。比如說：我們很多的digg類、書簽類新網(wǎng)站，并沒有發(fā)揮自己的創(chuàng)造力，甚至根本都沒有結(jié)合國情。或許未來下一個更好的系統(tǒng)是完美地將用戶行為與產(chǎn)品基因相結(jié)合的推薦模式,不管是商務(wù)網(wǎng)站的產(chǎn)品推銷，還是社會化網(wǎng)站的服務(wù)，因為：

一個出色的推薦機制不光對netflix，對其他網(wǎng)絡(luò)企業(yè)也非常重要。這是因為用戶的網(wǎng)上活動分為兩類：搜索和瀏覽。當(dāng)消費者明確知道她想要什么的時候，她搜索。但當(dāng)她不太清楚想要什么的時候，她瀏覽。瀏覽活動為推薦系統(tǒng)帶來了絕好的機會。因為當(dāng)用戶沒有集中注意力在找她想要的東西時，她對外來的建議是敞開的。

在瀏覽過程中，用戶的注意力（和他們的錢），都等著你去抓住。通過向用戶展示有吸引力的東西，網(wǎng)站可以使交易成功的可能最大化。所以如果網(wǎng)站能增加給用戶提供好推薦的幾率，就能賺更多錢。顯然這不是一個容易解決的問題，但解決這個問題帶來的好處是巨大的。