推薦連接萬物

序 001
第一章 走近推薦系統(tǒng)
從斷物識人開始理解推薦 002
推薦算法：物以類聚、人以群分 024
推薦架構(gòu)：推薦結(jié)果是如何產(chǎn)出的 030
本章小結(jié) 047
第二章 推薦能力的應(yīng)用
冷啟動：一回生二回熟 050
用戶興趣探索：從一元到多元 072
生產(chǎn)者分級：從貨品到供貨商 078
列表頁推薦：屏幕亦有屏效 090
列表頁交互：單列還是雙列，該怎么選？ 099
相關(guān)推薦：相關(guān)不相關(guān)？全靠文案掰 106
拆解推送：拉得來人、留得住客 111
搜索與推薦：探索未知的不同方式 121
關(guān)注分發(fā)：機器推薦為何還需要關(guān)注 136
推薦的場景化表達 142
本章小結(jié) 147
第三章 常見的推薦問題
重復推薦問題 149
推薦密集問題 159
推薦頻次控制 163
易反感內(nèi)容的推薦優(yōu)化 166
時空限定內(nèi)容的推薦優(yōu)化 172
本章小結(jié) 177
第四章 從推薦到業(yè)務(wù)
不同業(yè)務(wù)下的推薦差異性 179
如何用立體的指標衡量業(yè)務(wù) 189
不止于推薦效率，更是變現(xiàn)效率 200
本章小結(jié) 207
第五章 與推薦協(xié)作
推薦產(chǎn)品經(jīng)理的自我迭代 210
如何正確地開設(shè)實驗 231
如何高效地與算法協(xié)作 237
盡信數(shù)，不如無數(shù) 242
本章小結(jié) 250
第六章 推薦外的思考
推薦會導致低質(zhì)？ 253
個性化的好與好的個性化 264
改變流量去往的方向 266
本章小結(jié) 275
后 記 277