在探討冷啟動問題前，我們先明白什麼是智能推薦？
智能推薦根據用戶每個人的性別、年齡、愛好等維度塑造的靜態用戶畫像，和用戶每一次點擊、點贊、評論、收藏等行為數據形成的動態用戶畫像相結合，來結合挖掘用戶深層次興趣需求維度。再借助產品的信息，從大量產品信息中找到用戶感興趣的產品推送出去。簡而言之，智能推薦是根據用戶的歷史行為和興趣預測用戶未來的行為和興趣。
所以大量的用戶行為數據成為推薦系統的重要組成部分和先決條件，如何在沒有大量用戶數據的情況下設計個性化推薦系統，並且讓用戶對推薦結果滿意從而願意使用推薦系統，就是冷啟動的問題。
冷啟動問題主要分為3類：
1.用戶冷啟動
用戶冷啟動主要解決如何給新用戶做個性化推薦的問題。當新用戶到來時，我們沒有他的行為數據，所以也無法根據他的歷史行為預測其興趣，從而無法藉此給他做個性化推薦。
2.物品冷啟動
物品冷啟動主要解決如何將新的物品推薦給可能對它感興趣的用戶這一問題。
3.系統冷啟動
系統冷啟動主要解決如何在一個新開發的網站上（還沒有用戶，也沒有用戶行為，只有一些物品的信息）設計個性化推薦系統，從而在網站剛發佈時就讓用戶體驗到個性化推薦服務這一問題。
知道了什麼是冷啟動，接下來提供幾種解決方案：
1. 熱門榜單推薦
現有的數據可以根據熱度排序形成產品的熱門榜單，給剛進來的用戶推薦，等到用戶行為數據收集到一定程度的時候，再切換個性化推薦。
2. 利用用戶註冊信息
根據用戶註冊時候提供的性別、年齡、職業等數據可以做粗粒度的個性化，推薦相關性高的產品。基於註冊信息的個性化推薦流程基本如下：
(1)獲取用戶的註冊信息；
(2)根據用戶的註冊信息對用戶分類；
(3)給用戶推薦他所屬分類中用戶喜歡的物品。
比如剛進入的用戶性別是女，年齡25歲，財務人員。查詢3張離線計算好的相關表：一張是性別-書籍相關表，從中可以查詢女性最喜歡的書籍；一張是年齡-書籍相關表，從中可以查詢到25歲用戶最喜歡的書籍；一張是職業-書籍相關表，可以查詢到財務人員最喜歡的書籍。然後，我們可以將這3張相關表查詢出的書籍列表按照一定權重相加，得到給用戶的最終推薦列表：25歲女性白領喜歡的書籍。
3. 用戶登錄自選標籤
要求用戶登錄時選擇一個或者多個標籤，然後收集整理用戶感興趣的範圍，去推薦相關性高的內容和商品。這個方法現在很常見，新用戶進來之後需要選擇自己喜歡的分類或內容，後面再推薦相關的產品信息。
4.利用物品的內容信息
利用物品的內容信息，將新物品先投放給曾經喜歡過和它內容相似的其他物品的用戶，解決了如何將新加入的物品推薦給對它感興趣的用戶的問題。不過當新物品加入時，內存中的物品相關表中不會存在這個物品，從而無法推薦新的物品。解決這一問題的辦法是頻繁更新物品相似度表。
達觀智能推薦
達觀智能推薦系統，是達觀數據自主研發的智能推薦引擎，結合自研的NLP(自然語言處理)技術，完成對用戶行為、推薦產品的語義分析，實現“千人千面”的個性化推薦服務。
達觀智能推薦引擎，是一個經過長期技術積累以及市場打磨的成熟推薦產品，已經為各行各業數百家企業提供智能推薦服務，幫助各個企業提升產品價值。達觀智能推薦引擎有如下優勢：
產品成熟
達觀智能推薦引擎是一個穩定、高效的成熟產品，推薦引擎自主研發，並且提供功能強大的後臺配置系統，可以隨時觀察推薦效果、調整推薦策略，摒棄傳統黑盒模式，讓客戶看得見，摸得著。
技術實力
達觀推薦技術團隊成員，技術過硬，有著多年推薦產品開發的經驗以及推薦算法調優經驗，並在EMI數據科學黑客馬拉松大賽和KDD CUP國際知識發現和數據挖掘競賽中多次獲得優異成績。
冷啟動經驗豐富
無論是新用戶、新物品、新系統，冷啟動的問題都不可避免。達觀智能推薦系統，通過自研算法，結合NLP技術，快速建立畫像，有效緩解冷啟動的問題。
快速見效
達觀智能推薦產品，擁有不同的交付方式。可以根據企業所需，提供SAAS服務，也可進行私有化部署。但是無論形式如何，週期短，見效快。完成數據上報之後，1-2周即可見效，開箱即用。
豐富的行業經驗
達觀智能推薦產品，已經服務了金融、電商、資訊、直播等等不同行業數百家客戶，並且支持多平臺，包括app、pc、web等。針對不同場景都具有豐富的工程化經驗，可以幫助企業梳理推薦思路，對症下藥。
閱讀更多 達觀智能推薦 的文章
