曾参与过APP的推荐系统的从0到1过程，来写一下小总结。
做推荐系统的必要条件是用户行为数据，一个高质量的用户画像关系着后续所有内容。如何构建用户画像：
获得用户画像基础数据的几个途径：
1. 用户主动填写的数据，比如有些APP注册时会让用户选择年龄段，性别，出生年月等，这些就能构成一些用户的基础属性；
2. 平台协作数据，通过拉第三方登录来获取到的部分用户属性；
获得用户行为数据的几个途径：
1.冷启动场景下，让用户自己给自己贴标签。在首次启动的引导界面，或者启动后进入到的首页来放置选标签模块，来完成新用户的基础数据构建。
2. 基础埋点上报，通过在APP中进行埋点，来分析用户的行为习惯和内容习惯。比如用户使用app的时长、每个内容的播放时长、曝光内容、焦点停留、阅读时长等；
3. 数据内容的后台分析与关联，依据用户消费的内容来丰富数据。比如用户观看了《如懿传》，那么就将《将夜》划分到电视剧属性，并且关联了相关明星周迅、霍建华等；各个属性也会综合其他数据来计算权重。
4. 用户主动的标记数据，通过在一些内容上设置 标记喜欢or不感兴趣 引导用户选择，来获得用户的喜好数据。
画像调优相关：
行为时间权重，行为次数权重，行为时长权重，用户的主动标记行为权重，单个内容周边内容消费行为次数；
推荐的过程：
当获得用户的画像数据后，内容也应该有一个画像（基本方式为打标签）。通过将以人识物和以物识人，找到特定人群喜欢的物，同时也找到特定内容喜欢的人群，来完善和丰富推荐的线路。
运营的数据如何出：
虽然大数据推荐能够做大多数事情，但适当的运营还是必须的。比如头部资源、优质内容、换量合作等。
1. 大IP及大受众的内容，可以在头部资源，or在进入app后的核心位置出现，以提高展示机会。
2. 夹在推荐内容中出：1）按照拉取的概率来展示、按照拉取数据方式来展示等。
平台考量作者都有哪些维度：
内容原创度，内容质量度，内容关注度，垂直度，创作活跃度。
