謝謝邀請，這個問題我想我本人是這樣回答，我管它叫計算機的計算結果，和我們人腦的計算結果，互相融合的一個結果(其中包括大資料)來做事，但這個套路是活的，問題是誰主導誰，使用這個結果是什麼目的？就跟過去有的朋友過分的依賴市場，和現在有的朋友依賴大資料一樣，是不全面的，一切都是包括人的調查研究綜合體系的全面體現，單方面是不行的。(個人意見) 認知有限，謝謝！

　　已有的服務推薦方法大多假設已知滿足使用者功能需求的服務集，採用協同過濾的方法從眾多功能相同或相似的服務集中向用戶推薦具有最優Qos屬性值的服務。這些方法一方面忽略了使用者對服務Qos屬性的個性化偏好，另一方面不能向用戶推薦滿足其功能需求的服務。同時，在服務推薦過程中，一些新發布且滿足使用者需求的優質服務由於被使用者關注或使用的次數較少而往往得不到推薦

　　(1)構建中國消費者的網路生活方式量表，得出網路生活方式的七個因子分別為:“從眾中庸”、“娛樂生活”、“奢華享受”、“傳統保守”、“理性沉穩”、“時尚品味”、“社交活動”。然後建立結構方程模型，研究表明網路生活方式對網路購買意願有影響作用。

　　(2)在基於消費者的網路生活方式的電子商務個性化推薦中，從使用者興趣、客戶價值角度構建了使用者模型，以及基於產品價值的產品測度模型。

　　(3)透過比較基於桌面網際網路的電子商務和基於移動網際網路的移動商務，提出了移動商務中獨特的情景效應特點。

　　(4)透過企業個性化推薦實驗平臺，對推薦機制的推薦效果進行了實證檢驗，把基於網路生活方式的個性化推薦方法與基於網路行為的推薦方法進行比較，以反饋率作為衡量標準。

　　基於網路生活方式的個性化推薦成功反饋率明顯高於基於網路行為的推薦方法。

　　(1)推薦思路創新。提出了基於網路生活方式的個性化推薦。傳統的個性化推薦方法大多是基於人的行為進行粗放式推薦，推薦效率低

　　(2)推薦理論創新。構建了基於產品價值的產品模型，同時針對移動商務獨特的情景特點，構建了基於情景價值的情景模型。

　　(3)推薦方法創新。在基於網路生活方式的個性化推薦時，首先需要用“行為標籤”法識別消費者的網路生活方式。在移動商務中的個性化推薦機制。有了融合使用者模型、產品模型和情景模型的綜合價值個性化推薦方法，在推薦機制的設計上也必然區別於傳統的推薦方法，因此推薦的結果不僅面向高精確性，同肘面向整合價值的最大化，由此實現了對個性化推薦機制方法上的創新。