559
當位置服務遇上個性化推薦
對於移動互聯網應用而言，除了傳統互聯網所積累的海量信息、各種豐富應用可供使用外，移動互聯網本身也生產了海量的內容和應用，怎樣準確識別用戶的喜好並在此基礎上向用戶推薦最相關的產品、服務、信息是解決所謂“信息超載”問題的有效手段之一。
不管是基於內容過濾（Content-Based filtering ）、基於協同過濾（ Collaborative filtering ）的個性化推薦技術，基於互聯網的個性化推薦基本上還是基於用戶行為曆史（購買行為、點擊行為、收藏行為、點評行為等）+當前內容場景（例如正在瀏覽的圖 書、正在交流的SNS好友等）來進行上下文推薦的，可以說互聯網個性化推薦主要還是偏重於線上服務本身的，對於用戶的位置因素以及相關的因素並沒有太多的 考慮。
與基於互聯網的個性化推薦相比，基於位置服務的個性化推薦似乎更有意思。基於位置服務的個性化推薦之所以與基於互聯網的個性化推薦有所差異，除了位置因素 外，還包括時間因素、人的因素，按照1H5W的框架來梳理一下基於位置服務的個性化推薦會發現，引入位置因素、人的因素、時間因素後，個性化推薦會出現很 多有趣的應用場景，最為重要的是莫過於線上服務與線下傳統服務的結合與互動。
與傳統互聯網的個性化推薦主要局限於各大網站站內內容相對比，影響移動互聯網個性化推薦另外一個重要因素是平台開放性。對於移動互聯網本身由於有傳統互聯 網所積累的各種豐富應用可供使用，在麵臨傳統互聯網巨頭們先天的優勢，移動互聯網時代的個性化推薦不應當隻是固步自封，應當采取更開放的心態，不要指望在 移動互聯網時代重新構建一個全新的平台，讓用戶完整地黏在上麵，應當整合用戶在互聯網上所使用的各種已有應用和用戶數據來作為推薦的基礎。當然有很大一部 分要依賴於傳統互聯網巨頭們的開放性，但開放是互聯網、移動互聯網的精神所在和必然趨勢。
可以說基於位置服務的個性化推薦比傳統互聯網的個性化推薦對於推薦引擎的技術要求更高。如果說位置服務是移動互聯網的殺手級應用的話，那麼基於位置服務的個性化推薦必然是其中最核心的技術之一。
1 、個性化推薦的1H5W
1.1、 when時間
o 過去一會兒
o 當下
o 即將
1.2 、where地點
o 在什麼地點
o 在什麼地點周邊
1.3、 who人物
o 我
o 我的朋友
o 和我素昧平生但臭味相投的人
1.4 、what 什麼
o 我已做什麼/正在做什麼/想做什麼
o 我的朋友已做什麼/正在做什麼/想做什麼
o 和我素昧平生臭味相投的人已做什麼/正在做什麼/想做什麼
o 已經發生什麼事情/正在在發生什麼事情/即將發生什麼事情
o 什麼熱點
1.5 、why為何
o 獲取信息/傳播信息
o 交朋友
o 找樂子
o 做交易
o 無聊閑逛
o 等等
1.6、 how怎樣
o 怎樣讓我方便快捷地獲得需要的信息
o 怎樣讓我方便快捷地完成信息分享
o 怎樣讓我方便快捷找到興趣愛好的朋友
o 怎樣讓我方便快捷找到我喜歡的有趣的事
o 怎樣讓我方便快捷完成交易
o 怎樣讓我在閑逛中得到驚喜
o 等等
2、個性化推薦的信息源
2.1 、當前地理位置信息
2.2 、周邊的商家信息
2.3 、周邊的營銷信息
o 促銷
o 秒殺
o 廣告
o 抽獎
o 互動遊戲
o 等等
2.4 、周邊的活動
o 聚會
o 會議
o 演唱會
o 觀影會
o 集采
o 團購
o 等等
2.5 、周邊的突發事件
2.6 、SNS信息
o 附件的好友
o 附近興趣愛好相投的人
o 附近的圈子
2.7 、社會化媒體信息
o 微博
o 廣場
o 紙條
2.8 、交易信息
o 團購
o 集采
o 購買
o 交換
o 等等
2.9 、個人信息
o 當前位置
o 活動軌跡
o 狀態
o 微博
o 收藏
o 好友
o 關注的人/商家/活動/事件
o 參與的活動
o 參與的交易
o 參加的圈子
o 等等
2.10 、排行榜
o 熱點事件排行榜
o 商家活動排行榜
o 微博排行榜
o 潮人排行榜
o 社區排行榜
o 趣事排行榜
o 等等
源地址：https://www.yeeach.com/2010/12/19/%e5%bd%93%e4%bd%8d%e7%bd%ae%e6%9c%8d%e5%8a%a1%e9%81
最後更新：2017-04-04 07:03:16