产品所面向的不同类型用户很大程度会影响推荐系统的效果；如“新老用户占比”，即营销引流与用户留存的情况所影响的占比，新用户在冷启动上会需要花费更多的时间。
因为新用户通常是那些没有行为或者行为过少的用户，本质还是数据稀疏问题带来的困难，初期可以用冷启动的一些方法来进行推荐，最终最有效的方式是将新用户留下来，将新用户培养成老用户；“不同性别用户的占比”这个主要体现在用户的行为性别，因为不同性别的人在使用产品过程中的差异非常大，对体验好坏的体感也有较大差异；
精准推荐营销涉及到，站内与站外综合运营，比如：DSP、ASO、ASA、精准推送、智能推荐、用户画像、会员营销。
基于地理位置的精准：以携程的旅游景点、项目营销为例，定了丽江的机票的用户，给其推送丽江当地的酒店比推送北京的酒店更容易被用户接受，从而下单。
行为维度、个性维度：通过用户的搜索、购买、社交等表现，可以对其进行个性化的认知和洞察，继而进行人群划分，譬如按照收入、性别、喜好等等，比如携程的旅游景点、项目营销为例，由于对用户分析的精准，你知道经常订购400-500元区间的酒店，并且喜好商务酒店，所以大概率推送的商务酒店应该在100-500区间。
点击率预测：广告中点击率预估计算出的是精准的点击概率，A点击率0.22% , B点击率0.34%等，需要结合其它因子（出价）用于排序；推荐算法对准确值没有明确要求，只需计算出一个最优的次序A>B>C即可
点击率 = 点击数/浏览数(点击率越高，意味着在相同投入的情况下，收获了更多的用户注意力)
点击率预估 = 在某种环境x下，某个推送y展现给某个用户z后，用户点击的概率r
点击率只是衡量效果的一个指标，但大部分公司均会将其作为重要指标考核。
场景的广泛使用，起源于移动互联网的迅猛发展；用户的行为在多屏间跳转，在PC上的碎片化，如今成为了跨屏的碎片化，此时的精准，又加入了场景的维度；平台根据用户的最终极速画像，推荐时机、场景、渠道、商品等选择投放内容，精准投放。
搜索场景：搜索中有强搜索信号-“查询词(Query)”，查询词和内容的匹配程度很大程度影响了点击概率； 点击率也高，搜索能到达百分之几的点击率。
非搜索场景：（例如展示广告，信息流广告），点击率的计算很多来源于用户的兴趣和广告特征，上下文环境；移动信息流广告的屏幕比较大，用户关注度也比较集中，好位置也能到百分之几的点击率。对于很多文章底部的广告，点击率非常低，用户关注度也不高，常常是千分之几，甚至更低。
专栏作家
小镊子，人人都是产品经理专栏作家。养成挖掘性的思考习惯、综合、市场、运营、技术、设计、数据、擅长跨境电商，综合电商与商业模型。
本文原创发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自Pexels，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
