个性化推荐是根据用户的兴趣和行为特征，来推送出用户喜欢的东西。那么，这个个性化推荐是怎么做到的呢？其中包括哪些内容呢？

周六下午的时光是惬意的，小诺和女票来到了东交民巷比利时大使馆旧址，里面的餐厅喝下午茶。进去后，俩人忙各自的事情，女票在看晚上要去的餐厅，小诺拿出书和电脑学习，毕竟他是苦逼的产品狗。过了十几分钟，正在小诺看的津津有味的时候，女票探过头来，看到小诺在看《用户 *** 行为画像》和《推荐系统实践》，一脸嫌弃的说，你怎么又在看推荐的书？

小诺看着有点生气的女票，心里想：我可不是个直男，我得说的好听点。于是他故作深情地说：之所以我喜欢做推荐策略，是因为我想读懂一个人的心，然后把她最喜欢的给她。

只听啪的一声，女票给了小诺一巴掌，说：油嘴滑舌！你这么行，那你用你的策略预测下我晚上想吃什么呀？

小诺摸着滚烫的脸，脱口而出：你想去吃辣妹子火锅店。女朋友惊讶的说：你怎么知道？小诺故作冷静的分析：上周你就说想吃火锅，但没去成，所以肯定不甘心。刚才打车经过火锅店的时候，你扭头一直看，还说同事跟你说那家店不错。你又是个无辣不欢的人，所以你肯定想吃火锅。

女票说：原来这么简单啊，算你猜对了。小诺说：毕竟我是做推荐的，只要我有足够多的特征数据，我就能读懂世界！

女票白了一眼，说：这个不算，我们部门下周要去雾灵山团建，你给我推荐下我该带什么衣服呗。小诺开始分析：之一步我要理清我现在知道的信息，然后才能进行推理，最后给建议。

小诺总结的信息如下：

早上9点出发，高德查了一下开车去单程需要3小时。

他们到达先吃午饭，下午2点上山，有车送到差不多快到山顶，大概是2点30，然后自己再走一段路。

百度搜索雾灵山海拔2118米，海拔每升高1000米，气温下降大概6度，当然也受环境影响。

现在9月早晚温差较大，查了当天天气晴好，湿度应该不会很高，12-24度，日落时间18点05。

山上玩几个小时，5点左右开始下山，下山曲折路线较长，一边拍照一边走路，大概需要1个半小时到2小时。

走路会产生热量，体感温度会感觉热了2度左右。

综上推理，山顶温度在0-12度之间，中午2点最热的时候应该在12度，但天气晴好，山顶场地太阳直射，有太阳辐射不会感到那么凉，加上走路产生一些热量，所以感觉会在十六七度左右。

5-7点的下山过程中，太阳慢慢下山，温度会降低，热量更多，海拔降低，感觉会到13度左右。

最后小诺给出了建议，他对女票说：你外面多套个上周你买的驼色风衣就好，上山时放在包里，下山时温度开始降低时穿上风衣就够了。女票表示疑惑，小诺又详细解释了下。

女票开心的说知道了，然后说： *** 真是个罪恶的app，每天都给我推送消息，害的我不停的买买买。这个是不是也是你做的推荐？

小诺说：对呀，我就是做的push的个性化推荐呀。

女票说：那你给我说说你们是怎么做的。

小诺说：那我慢慢给你道来……

一、push目标和本质

首先什么是push消息呢？就是 *** 每天给你推送的那一条条消息。

那push的目标是什么呢？

push的目标：新用户的拉新，和老用户的促活，包括流失用户的召回。

push推荐的本质：push是将合适的内容，在合适的时间，合适的场景下，推荐给合适的用户。

所以你每天就会收到很多push消息喽~

二、商品画像和用户画像

这就是一个推荐的过程，我画的非常简单，其实真实的比这个复杂。

我们想把你可能喜欢的商品推荐给你，就要了解你和商品，所以我们要创建商品画像和用户画像。我们先来说说商品画像，商品画像如下，主要由sku分类和属性特征构成，须对这些特征建立倒排索引。

对于商品画像，商品上下架、库存、价格、评论数等应采取增量更新，商品标题、分类、属性、主图、销量、评论等应采取全量更新。

我们再来看看用户画像，用户画像就是通过了解你的一些信息，来定义出你这个用户是什么样子的。大概包括以下几个方面。

用户画像如下：