個性化也就是現在的大資料，根據使用者的瀏覽習慣喜好，精確定位，為使用者推送資訊，使得資訊的有效性在增強，是很好的趨勢。

在「千人千面」的技術趨勢面前，由一個人來決定幾千萬甚至幾億人能夠看到什麼，毫無疑問是荒謬的。機器學習是人工智慧的核心，是使計算機具有智慧的根本途徑，其應用遍及人工智慧的各個領域，它主要使用歸納、綜合而不是演繹。

機器學習(Machine Learning, ML)是一門多領域交叉學科，涉及機率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。

推薦引擎的一大核心就是機器學習（不過現在都說人工智慧了，但本質上還是supervised learning）。再牛的機器學習模型都要經歷產品資料的實際檢驗。

有幾個業內常用指標：

2. 平均閱讀完成率

3. 人均閱讀時長（這個會受文章長度影響）

似乎就在一夜之間，所有的網際網路產品都發現只有拉長使用者的駐足時間才能同比增加收入變現。

善良的使用者願意為個性化推薦的內容買單，儘管在這個時代，買單的意思不再等同於掏出錢包。畢竟，時間就是金錢。

使用者付出時間和注意力、以及金錢，來獲取內容、尤其是優質內容。這構成了整個內容生態的基礎模型，而因為網際網路的出現，讓注意力這種資源的轉化效率大大提高，使用者消費內容所投入的注意力能夠以廣告的形式進一步變現，也就帶來了更多優質內容的免費。