首先要依靠使用者體驗場景來決定系統開放的框架，舉例

求職類第三方平臺：內推

就是採用職場老鳥推薦菜鳥或大咖，給本公司或引薦到其他機構的亞獵頭的分紅模式。

何為推薦系統？ 在我看來是能夠實現推薦功能的產品。單單的推薦演算法夠不上推薦系統，連簡單都算不上，因為它不完整。當然推薦系統的核心還是在推薦演算法上。

我的理解是，題主困惑於如何做成一個簡單易用的推薦【系統】，因此你既要懂推薦演算法，也要了解系統架構。

首先，推薦系統得有一個良好的使用者互動介面，也就是我們所說的前端，能夠設計出簡單的註冊、登入、選單展示、選單選擇、選單推薦等基本頁面，所需要的語言是html,css,js等，ps技術，如果想比較快速的搭建介面的話，推薦使用bootstrap框架，使得我們不用把細節過多的放在元素標籤上。附上bootstrap連結。

其次，要選一門自己擅長的後臺語言，以此來將前端使用者互動記錄寫入資料庫中。java，.net自由選擇，我比較擅長.net的網站開發，尤其是mvc框架，使得我不用過多的將細節放在網站的配置上，只要按照約定俗成的規則來搭建即可，即靈活又方便。同時我們需要稍微瞭解一些設計模式的東西，使得設計的系統比較穩定，耦合度比較低，也就是說的使得修改最少的程式碼來實現最多的功能。還要為推薦演算法留好介面，這樣即做到易於維護，又能為後續推薦演算法升級做好準備。在此推薦一下用.net mvc 來實現網站系統的部落格MVC5 + EF6 入門完整教程，寫的特別好。

說完系統的前後臺所需技術後，我們接下來分析一下推薦演算法。

一開始我們可以選擇最簡單的熱點推薦，當然為了增加商品的多樣性以及使用者的驚喜度可以輔助隨機推薦。然後可以使用經典的協同過濾方法來測試準確率，如果想考慮使用者的興趣遷移，可以增加時間維度的考量。推薦演算法實際上是解決使用者、物品、環境三者之間關係的演算法，即使用者在什麼時間、哪個地點推薦何種物品能夠滿足使用者的需求，以下總結了一些經典的推薦演算法以及入門推薦演算法的一些材料以及一些開源的推薦演算法包庫，推薦常用資料集等。

總之，如果遇到了自己很難解決的問題或者無從下手的難題，那就試著將問題肢解，分解為一個個小的子模組，然後再由簡到繁的難易程度進行攻城崔寨。比如先搭建一個只實現了熱點推薦的系統，其實這就完成了70%，如果想接著提升使用者體驗的話，可以考慮升級一些好用的、易於實現的推薦演算法。

推薦系統本身搭建起來相對複雜，但是如果想要快速實現較好的推薦效果，和第三方合作是非常行之有效的辦法。

目前很多推薦系統都是收費的，費用不低，大家比較熟知的百度推薦也已經停止維護很久了。給大家安利一個免費的推薦系統吧，先薦智慧推薦系統，它目前還是免費的，推薦效果不錯，接入也簡單，需要的可以去百度先薦用一下。