DIV CSS 佈局教程網

目前在各大電商、博客等網站中充斥著各種推薦版塊，以便幫助用戶更好的找到所需的商品、應用和服務等。各大電商網站的數據已經證明推薦系統的廣泛成功。其中亞馬遜的推薦系統最為引人注目，其網站推薦的銷售轉化率可以高達60%，其所推薦的商品絕非無的放矢。網站如何合理運用推薦系統？這個需要先了解推薦系統的原理。

從現在的情況來看，目前較為領先的推薦系統都是通過協同過濾技術來實現的。協同過濾技術主要可分為：基於用戶的協同過濾、基於項目的協同過濾、基於模型的協同過濾。一個基於用戶的協同過濾過濾算法通常的做法是對一大群人進行搜索，並從中找出與我們品位相近的一小群人。完成這些功能對網站產品設計人員來說，需要做以下的幾件事情：

1、  搜集用戶偏好。要收集用戶偏好，需要設計一套獲取這些信息的方式，讓用戶來參與，一方面是通過用戶在網站中的浏覽和操作分析用戶行為，另外一方面需要積極的用戶參與一些如評分等的內容，獲取用戶偏好。無論何種方式都需要將這些內容對應到數字以形成相應的數字集合。

2、 尋找相近的用戶。有了用戶偏好的數據我們需要通過一些統計算法和數據挖掘技術來確定用戶品位的相似程度，並與其他人進行對比，得出相似度評價值。歐幾裡德距離、皮爾遜相關度、余弦相似性、調整余弦相似性、Jaccard系數、曼哈頓距離算法等，這些算法各有所長，需要根據具體的需要選取一種或多種進行組合運用。

3、 為評論者打分。通過上面的一系列准備，在這一步就需要找到最接近的匹配結果，找到用戶的最近郊（品位相似的人群）。

4、 推薦物品。這是我們的最終目的，在上述的數據支撐下，我們可以向用戶推薦相似人群的需求或購買的信息、提供意向商品或者推薦其他項目的內容。

通過上面的簡單描述，對推薦系統可以有一個大概的印象，那麼具體實施中需要注意的內容也是很多。

1、搜集用戶信息，這一步需要對網站的數據統計和分析是很大的挑戰，我們需要盡可能多的收集用戶的每一個行為，並引導用戶去操作對我們搜集信息有利的操作，並合理設置這些功能，避免用戶疲勞和反感。

2、數據庫及統計算法的運用，合理的數據庫配置將尤為重要，數據的分析到位和准確將決定下方是否可以繼續和有效的執行。

3、推薦商品和服務時，此處可操作性很大，一方面通過程序進行，一方面需要人工干預（亞馬遜仍然有大量的人工推薦）。通過這些在網頁上進行，另外可以更具上面的數據，展開其他方式的推薦，如郵件、短信等等。郵件的推送在這裡也是尤為重要，不可忽視。

通過推薦系統引入，為用戶查找內容節約時間，並精准投放，用戶能盡快的找到所需的內容或商品，購買欲望會持續進行，一些細節的優化會對網站的轉化率提高帶來更多意想不到的提升。