這兩個app推薦的機制應該被叫我：演算法推薦

演算法推薦是給合適的人推送合適的產品，怎麼判斷什麼是合適的人呢？又怎麼判斷推送的是合適的產品呢？演算法的基礎便是使用者畫像。

使用者畫像資料可分為三個維度：元資料、行為資料及態度資料。

元資料也叫屬性資料，是可以定義人群身份的基礎資料，比如：性別、年齡、地域分佈、婚姻狀況、學歷、所在行業、職業角色、收入水平、住房狀況、購車情況等。

元資料的特點是穩定，不改變或改變緩慢。市場上釋出調研報告的使用者畫像資料都以元資料為主，元資料對產品定位、戰略預測有很大價值，在營銷執行上作用有限。

行為資料是特定人群可被記錄的行為痕跡資料，比如：媒體接觸行為、頁面停留時間、影片觀看行為、社交行為、打車行為、電商購買行為、收藏行為、健身頻次、用餐行為、作息狀況、觀影行為等。

行為資料幫助演算法更具象地理解特定基礎屬性人群的行為特點，在企業內外部的使用範圍最廣，挖掘也最為深入。

態度資料是特定人群對特定現象或品牌的態度、人群自身的消費態度、價值觀、人生觀、事業觀等資料，比如購買動機、商品滿意度、口味偏好、交友觀念、壓力狀況、話題偏好、興趣愛好等。

態度資料的特點是和行為資料結合緊密，有時會有一定的重疊，使用者會用傾向性的行為來表達態度；難點是態度資料不易被獲取和跟蹤，不易被準確識別。

態度資料幫助企業更好地理解行為資料背後產生的原因。態度資料在營銷執行上最為重要，找到行為產生的原因，你才有可能去改變使用者的行為。

演算法推薦的差別在於行為資料和態度資料。

第一個原因是產品形態不同。音樂和資訊在表現形式上天差地別，音樂再低俗，也就是口水歌的層次，音樂也沒有標題黨；圖文則不同，標題和封面的下限就是法律法規禁止。

第四個原因是態度資料的重視程度不同。有句俗話叫：偷來的鑼鼓打不得，低俗黃暴、譁眾取寵的資訊確實最能吸引人性的注意，但是沒有人會承認自己是低俗黃暴的人。

via:運營進階日記