随着机器算法和大数据的不断发展，以及内容价值变现的不断深挖，加之例如“今日头条”“网易云音乐”这样的成功案例出现，如今内容个性化推荐仿佛就是各内容平台的必争杀器，可以肯定的是个性化推荐是把尖刀利刃，但对正处于内容运营上下半场转场之际的诸多平台而言，尤其是占了绝大部分的中小企业，内容个性化推荐何尝不也是一把诱人至死的“毒药”。
从定义上，个性化推荐是基于平台数据分析及机器学习，根据用户的兴趣喜好进行算法推荐内容的技术，主要目的是让用户和内容产生更高粘性并促使产生内容消费。形式上基本以“全机器算法推荐”及“机器算法推荐+人工干预”两种为主。
全机器算法推荐：基于平台用户的行为数据及信息做算法分析，完全去人工干预进行内容推荐，目前在“今日头条”这样的资讯平台使用较多，该方式满足了用户的底层内容消费需求，例如猎奇心、八卦娱乐、隐私窥探等。内容普遍缺乏深度，机器推荐只能做浅度的字符识别等，对用户长期利益是种损害，且不利于平台的广告溢价。
机器算法+人工干预：以数据分析为基础，对内容分类推送，同时加入了对内容质量的人工干预筛选识别、编辑甚至生产。该方式弥补了机器推荐的教条和一刀切的缺点，但该方式对平台运营成本更高。
表面看，两种方式的个性化推荐都很好地解决了内容与用户的链接关系，让对口的内容出现在对口的用户眼前，但深度分析下这种看似“智能”的方式，称之“毒药”不为过。
1、个性化推荐具有严重的滞后性。算法推荐仅能依据用户的过往动作所产生的数据进行分析，然后针对性地判断用户喜好并推送相关内容，如根据用户的搜索关键词匹配相关内容并优先展示等。但现实中用户的喜好可能随时在变，而且除了兴趣内容之外，也有不少用户是习惯涉猎更多新内容的，如此一来，算法推荐的滞后性便十分凸显了，机器永远后于用户一步，这或许等同于“半智能”？
2、个性化推送的无法适应深度场景应用。机器始终是无法识别人情感的，起码现在还无法达到改水平。例如，男性用户在浏览私密内容时，他肯定不希望自己的行为被机器记录并学习，而后不断依据此来推送这些私密内容，也就是说真实场景中，很多时候我们的行为并不代表我们真正的兴趣，或者说我们本身就拒绝自己的兴趣被记录，但机器无法学习这样深层次的用户行为，哪怕加入了人工干预，也还是做不到。试想，当你的手机百度账号和家人公用时候，家人在百度首页看到的都是各种你的私密兴趣内容，那会是多尴尬。
3、个性化推送的教条性阻碍了用户的边际内容需求。固化思维里，用户只想看到他感兴趣的，但实际上边际内容对用户的吸引力可能往往连用户都会忽略，你可以尝试回想下你使用各种资讯平台时，是为了浏览各种资讯为主还是冲着自己兴趣资讯为主？个人觉得，边际内容的意义及价值在内容平台里是最大的，除了真正满足用户需求，其对众多相对不起名的作者或广告主更具良性促进作用。这里不一一阐述，后面有机会可以和大家分享下在个性化推荐场景下，对广告形态的影响。
4、机器一旦被钻研透彻规则，其漏洞将被极大放大。例如，当平台抓取关键词的方式方法被学习模仿时，更多的内容主会花心思在如何匹配规则，迎合规则拼凑内容上，这对用户利益的损害无穷大。同时依照规则推荐内容，将使得拥有更丰厚的资本来做优质内容的大企业优势不断被固化，小企业要想逆袭将更加困难，不利于平台的良性发展。
以上只是个人对内容个性化推荐的拙见，里面综合了不少其他优秀同行的见解，自己目前也正在参与一个内容定制化社区平台的规划，我觉得运营很多时候可以反哺到产品工作里，毕竟运营属于结果导向的逆向思路，很多方面可以启发到产品，甚至推倒很多产品的伪需求。
