然而，用户的行为特征与用户的基础数据是没有直接关系的，比如我们在开直通车的时候，传统的人群包里都是年龄，性别等这些维度的属性，而不是特征属性，而我们每个用户在产生行为的过程中，系统也并没有直接跟用户填写的基础数据做直接关联，我们用户的基础数据（年龄，性别等）为显式数据，称系统统计的用户行为特征数据为隐式数据，平台会根据大部分已知的显示数据与他们的隐式数据进行关联，然后训练未知的用户数据，来预测用户的显式数据是否正确，比如通过平台内所有相同特征的人来预测这些人是不是都是男性，大部分成熟平台这样的预测结果准确度现在都在90%以上（换句话说，你用户填写的性别年龄数据，平台并不会当真，而是通过大数据确定的）！这样，再把显式数据作为商家可选标签用于选择和购买广告等，比如直通车选性别，年龄人群这些，是商家可选的显式数据，系统会对应找出这些人群的隐式数据关系，来推荐给你真正想要推荐的用户。这也解答了开始我们提出的一个问题，并不是你用宝妈人群刷单，就能打上宝妈人群的标签！
到这里，推荐算法的原理和在平台内的使用场景，我们就已经基本掌握了，因为这篇内容学术性较强，可能很多人读到这里已经叫苦不迭了，没办法，就算大家读不懂，我也要先把原理给大家讲清楚，对于做过算法工程师的小伙伴来说，应该会好读的多。不过没关系，就算前面的内容你都没看懂，也不要紧，大家记住后面的内容就好了！
首先，一切刷单的行为都是无法模拟系统对人群偏好的算法的，所以大家不要指望刷单的同时还能兼顾人群的精准，这是永远都不可能实现的！
第二，用户标签是被动形成的，商品标签也是如此，在用户的购买过程中，才慢慢形成标签，千人千面固然重要，但是也不要把它过于神化，它只是对概率论与数理统计学科的应用过程，你的产品符合什么样的人群，是打娘胎里就定下的，而不是你能通过一些技术手段来改变的，你要做的不是找到更好的人群，而是找到匹配你产品的人群，这个人群是客观存在的。
第三，人群标签在竞价系统中（比如搜索结果）并不是一种权重，竞价权重本身还是依赖产品产值的，只是比如在一个类目中有几款产品是符合同一种人群的，系统就会给这类人群优先推荐这几款产品，那么我们开直通车的时候，当这类用户搜索产品的一瞬间，系统会根据我们跟竞品的出价关系来决定先把哪个产品展现给用户而已。
讲到这里突然想到一点，很多类目的刷单比例是很大的，那么在这些类目中，用户的特征收集势必是有很大误差的，所以这种时候哪怕我们通过付费开的人群是最适合这个产品的人群，也不一定能得到最好的数据，所以很多商家会感觉刷单多的类目，做付费推广好难。其实大家理解了原理后，只要知道，被动的去测试所有的人群条件，找到表现最好的人群来做就好了，而不要通过主观思想认为我的产品一定是男性标签，或者一定是高消费群体标签，这样在这种类目里，你的数据就能优化的好了。
另外还想说的是，根据法律要求，推荐算法形成的商业广告是不允许定位到个人的，所以大家不用担心个人数据的泄露（即使泄露也不是因为推荐算法导致），同样因为这个原因，即使你不登录账号，你的操作行为依然会被平台采集，并且会关联你的硬件信息，方便下次行为推荐结果的推送。
到这里，关于千人千面的原理，我想我已经讲得非常透彻了，可能大家会觉得很晦涩，但是只要反复读，一定是读得懂的。这篇文章能方便大家理解千人千面的工作原理，不会因为错误的认识而做出一些掩耳盗铃、看似有效实则无意义的行为，也不会被一些错误的方法所欺骗。也希望借助派代这个平台，能够结识到真正有共鸣的人做更多研究和讨论（感觉知音难求啊！）
文章TAG：算法 推荐 千人千面 直通车 淘宝天猫
