推薦系統現在營銷平臺上應用很廣，記得很多年以前圖書情報界就有情報推送服務，現在由於網路資訊科技的飛速發展，大資料雲計算服務的互聯互通，做起推送服務應該更加得心應手，然而在實際使用中還有需要改進的地方？比如，我已經買了什麼東西，各種媒體還會在我瀏覽時插入同類廣告？想讓我退掉已買的東西？買你的？如果我只是在瀏覽，或多次瀏覽，這樣的插入可能會有些價值？

如果有分析、判斷、聯想功能，（比如，對個人的多筆消費來分析判斷是在裝修？還是臨時購買？…其它許多判斷透過年齡、性別等也可以做出初步判斷？）許多的推薦服務會更加事半功倍？換句話說，也就是現在的推送服務還可以更加人性化、智慧化、自動化，或許這也是Artificial Intelligence 所要乾的事？

我們塑造了工具，此後工具又塑造了我們，與之共舞才能應對未來，這可能是移動搜尋過去十年發展歷程最好的總結，網際網路巨頭在不斷推動移動搜尋演變的過程中，巨頭的生態也得以藉助移動搜尋技術的進化不斷完善，而移動搜尋又反過來不斷改變我們的生活習慣。

百度正在不斷夯實自身超級介面的地位，大量微信端小程式轉投百度，以有贊為首，以投資併購為手段，百度app不僅由此實現了搜尋即服務的閉環，也成功實現了線下場景的拓展和突破，百度APP不再是單一應用的流量入口，而是成為平臺，成為產業智慧化在移動端的基礎設施。

搜尋引擎將成為真正的人工智慧，這是未來的趨勢，搜尋引擎的進化史就是人工智慧技術的進化史，智慧搜尋正在演進的方向是更加精準的答案，甚至是唯一的答案，未來的搜尋引擎很可能是不需要人為地輸入任何資訊，直接根據使用者畫像、使用行為記錄、感測器等資料就可以做出智慧判斷。

對於線上場景，透過埋點獲取每個使用者的頁面瀏覽資料，根據這些資料，可以統計使用者從哪裡進入頁面，中間如何跳轉並查看了哪些頁面，每個頁面停留的時間及行為：如瀏覽、點選或收藏，最後在哪個頁面結束。基於此類資料可進行瀏覽軌跡分析，計算網站關鍵路徑的轉化率，以瞭解整個網站設計的合理性、最佳化空間等，為最佳化頁面設計提供基礎，提升線上精準營銷的效果。

行業生態圈運用網際網路思維，透過加強服裝加工廠和麵輔料商之間的關聯，形成一個開放性多邊交易平臺，提高行業人才專業水平，打造全新的開放性時尚論壇，提升紡織服裝產業的整體水平，致力於建造一個全方位一體化的紡織服裝市場環境，實現紡織服裝行業的商業模式創新，做到與生態各方共創共贏。

這兩個應該是一種共生關係。推薦系統的目的就是要越來越精準的理解平臺上的使用者。這是代表運營平臺，實現準確判斷使用者的行為動機和心理感情的服務。當然，這個系統越來越聰明的話，就逐步進化成人工智慧系統，讓平臺和使用者之間、使用者和使用者之間更加有效、快速融入信任的溝通起來。

推薦系統的初衷是運營平臺更好地服務好每一個使用者，但是隨著使用者數量的增加。隨著使用者線上時間的增加，隨著使用者瀏覽行為的增加，運營平臺的使用者數和行為資料會日益積累龐大，沒法依靠人工來準確地觀察到了解到每一個使用者的需求，於是推薦系統就是要想突破這個人工的限制，讓洗頭服務好每一個使用者。

推薦系統服務好每一個使用者，可以記錄每一個使用者的基礎資料，比如說年齡？性別、註冊時間等自然屬性的資料，加上使用者每天的動態的瀏覽行為資料，比如說什麼時間登陸、什麼時間下線、在什麼頁面看了什麼產品在什麼評論頁面留下了評論等等。然後系統自動根據這些資料來判斷使用者的需求。根據這些需求給使用者推薦他所需要的服務和產品。

當然，推薦系統從簡單的少量資料到積累越來越多的資料之後，他自身在一套程式演算法的支援下會變得越來越聰明，就是越來越理解使用者的真正需求，給使用者推薦的產品和服務也越來越精準，這就是簡單地推薦系統上升到人工智慧的一個變化過程。