本文针对链接中的文件观点简单提炼
1.主要分析来自不同地域的用户的偏好，根据不同地域进行推荐，针对新用户所进行的首次推荐。
2.根据用户的浏览记录推荐，最好是用户最近浏览的商品的推荐，因为用户的购买喜好具有一定的实时性，他可能最近想买一双鞋，连续好几天都在关注价格合适又喜欢的鞋。
3.推荐在未购买的商品中推荐相似商品，比如用户还没有支付，但是放进购物车，这时候可以进行相似商品的推荐。
4.在已经购买后的商品中就要去掉相似商品，比如已经购买了mac就要去掉mac的其他推荐转而推荐mac的键盘膜等商品。
5.根据不同商品的特性推荐，比如洗发水可以以一定的周期进行推荐。
6.对用户进行用户画像的设定，对其消费水平、地域、购买、喜好、关注等进行描述，针对喜好进行商品的推荐，一般用于长期推荐。
7.模型要进行组合融合，而不是单一去做，某些模型虽然训练效果非常好，但是在使用上可能不如更加好的数据，比如逻辑回归只能提升1%，但是不屑一顾的最近点击和最近关注可能提升100%转化率。
8.可以根据实时数据的推荐，比如在用户在线选择某种商品时进行实时推荐，效果很好。
9.模型的验证采用先验后验，先验通过学习模型比如L2R构建最合适的组合模型，后验是通过实际上线，结合该模型带来的点击率、转发率、收藏率和GMV分析模型好坏。