基于用户的协同过滤推荐，基本思想：用户选中某个推荐对象是基于朋友的推荐。也就是说如果一些用户对某些对象的评分比较相似，则说明这些用户的偏好相似，那么他们对其他推荐对象的评分应该也是相似的。
所以协同过滤推荐可以简单拆解为三步：
1、找到和目标用户兴趣偏好相似的最近邻居；
2、根据邻居们对推荐对象的评分来预测目标用户对未评分的推荐对象的评分；
3、选择预测评分最高的若干个推荐对象作为推荐结果反馈给用户
下面以麦包包为例，阐述上述三步是怎么开展的。
1、麦包包是如何找到和目标用户相似的最近邻居呢？
麦包包有一个基于用户的标签系统，会给用户打标，然后根据这些标签来判断用户之间的距离。麦包包现在的标签，每个顾客有256个标签，分三类：
第一基础性标签，你是哪儿人，什么年龄，什么星座，每个月能挣多少钱，每个月花在互联网的钱是多少，用什么邮件，哪儿注册，反馈情况怎么样；
第二类行为属性标签，主要三个：1、访问路径；是从官方首页，还是直接从外面的CPS到单品页，看了哪些产品，看了多长时间；2、营销反馈；今天发了短信/邮件给你，打开的时间，看了多久；3、互动参与；分享、评价或参与平台的其它互动；
第三类是购买属性标签，包括：1、RFM值，最近的购买时间，购买的频次，购买的金额；2、消费偏好；品牌/颜色/尺码/客单价等。
2、麦包包如何根据目标用户的邻居来给她们推荐商品？
可以将目标用户大概分三类：没有注册，注册没有买，注册买过的。没有注册的用户比较难拿到她们的信息，做个推不易，但是注册用户就有思路做了。
注册未购买的，假设来了五个人，都没有买，但是恰恰用户标签跟我们1的1万人是很相似的。这1万多人用什么营销的邮件，我们就会发类似内容的邮件，甚至考虑发送的时间。
购买之后，就进入另外一个纬维度了，主要是：保持组、唤醒组、激活组、流失组。举一个例子，有一个同事买了一个包，我们发现，这类的会员标签买包的时候有什么特性，今天有10万人跟他类别差不多，这10万人更喜欢第二天收到哪些内容。之所以做这么多，是不让顾客讨厌你，让顾客感觉每个人收到的邮件、短信和接触的营销都是不一样的，都是个性化的。互联网没有办法解决线下场景，你去诺蓝家纺，线下给你介绍，叫做温度营销。互联网是冷冰冰的，有温度营销是要根据它的标签和待的时间，把他需要的东西给到他。
麦包包的会员打标的协同过滤方法，跟淘宝和京东的猜你喜欢还是不一样的，它比较像传统的CRM，形式也是像传统CRM那样通过短信和邮件来推送，而不是直接在页面上展示。
大纲如下：
第二部分：协同过滤推荐之基于用户的协同过滤推荐（以麦包包为例）；
