前段时间，都在学习策略产品，接触了一个神奇的世界，有种打开了新世界大门的感觉，从搜索策略、个性化推荐、风控等等。
于是前几天，被问到了一个问题：
获取什么信息做个性化推荐？
当时列了各种可能想到的信息，但是比较混乱。回来后，又独自思考了一下，以此记录一下。
问题背景：给酷狗音乐的用户推荐音乐
思考逻辑：可以从哪些维度进行结构化拆解？
给用户推荐音乐的流程
按流程来梳理，可以理清推荐的用户和系统之间信息交互的过程，方便寻找推荐策略，我们可以提出以下问题：
怎么识别用户特征？
怎么去选择推荐的音乐？
展示哪些音乐？
流程图容易让我们关注到用户行为中，但是一不小心，也会陷入到思维局限中，忽略了一些基础的东西。如果是老用户，那么他有行为数据的记录，可以根据行为数据来推荐音乐，但如果是新用户呢？新用户没有任何行为数据，这又应该怎么去推荐音乐？
所以，在识别用户之前，先思考一下：
我们可以收集到哪些用户信息？
从哪里收集用户信息
行为数据需要用户产生动作后才有，所以我们会思考那就从用户的基础信息入手。很多时候，用户基础信息是需要用户去主动录入的，我们可以考虑添加新手引导：
填写基础信息
选择兴趣标签
但这需要新用户主动，如果强制填写还会增加用户使用app的门槛，哪有没有更好的方法呢？有没有不需要用户动作就可以获取的信息？
有。那就是另外3个维度：
用户来源：用户是从什么地方下载app的，比如有的是从活动页进来的，有的是从音乐分享链接进来的，那么可以依据来源判断出部分用户特征
地理数据：通过GPS和移动网络数据定位用户所在地点，可以判断用户所处的大环境，进而通过“身边人也喜欢这些歌，我猜你也喜欢”的逻辑来推荐
设备情况：使用不同手机和系统的人有不同画像，用iPhoneX的比较有米，用oppo R15x的可能更加爱美，用iOS6.0系统的可能是老人家一辈
由此可以进行用户识别，进而根据策略推荐音乐，具体什么策略这里就不聊了。
本文标签：
策略 | 个性化推荐 | 用户 | 数据分析
尘言运营 No.13
一只在全栈路上狂奔的运营喵
