用户是一个点，传统媒体是一个面，传统媒体不可能只做一个点，而要做到面，就需要“琳琅满目”的新闻信息。
互联网每天产生数以百万计的信息，这其中充斥着太多的“垃圾”信息，这些东西只会干扰视线、浪费时间。从本质上讲，内容本身并无好坏之分，在你看来是垃圾的信息，有时对某些人来说却很有用，内容永远只有感兴趣和不感兴趣两种。
在这种情况下，基于大数据的个性化推荐仿佛就是一种颇为行之有效的方法了。借助强大的数据采集、分类和提取技术，根据以往的数据为我这个服务对象赋予各种“关键词”，然后再针对这些关键词为我推荐内容。随着阅读的时间越长，系统越了解我，推荐的内容就越精准。
在信息匮乏时期，传统媒体因不知道用户的信息需求，只能通过海量的新闻向用户推送，让用户在海量的新闻流当中找到自己需要的新闻进行点击。用户是一个点，传统媒体是一个面，传统媒体不可能只做一个点，而要做到面，就需要“琳琅满目”的新闻信息。
“个性化推荐”早就不是早期的一两个新闻客户端产品的专利了，可能在口号上没有喊出来，但是在产品当中体现的是淋漓尽致，从首页到频道页都在走个性化推荐这条路线。
用户需求的进化，从无到有、从有到优
我们每个人都有针对语音、图片、文字、视频甚至是更多的介质的诉求，不过在产品上是单一的，图片、语音、文字、视频等是被固定的，用户的选择有限，个性化推荐很难在这些产品上出现。
客户端不同，它是移植PC端的模式，只要将PC端的内容放到手机端能够让用户方便浏览即可。问题来了，手机端的屏幕更小，在浏览习惯上和门户有很大差异，这就要求客户端产品必须和PC端不同。
大部分的新闻内容对于单个点上的用户是无效的，用户再在海量的信息流中找到想要的新闻信息，就得走个性化推荐的模式。
与其说是新闻客户端产品创新走出个性化推荐模式，不如说是新闻客户端被逼的走个性化推荐模式，毕竟不可能再有海量的信息向用户推送了。百度新闻、搜狐新闻、网易新闻、今日头条等新闻客户端产品都有个性化推荐的影子。
App的封闭特性对内容形态的影响
没有一模一样的人，也很难有一模一样的用户需求。淘宝、京东、优酷、微信、百度等分别满足了不同的用户诉求。在PC产品形态上，链接间互相跳转相对简单，各网站保持了自己的垂类特性。
在App中，由于移动移动OS设计特性，每一个独立的App都是独立的，App之间没有任何链接，用户无法从一个垂类中进入另外一个垂类，这样的设计对用户造成了极大不便，可以预见每个资深智能机用户桌面都会有海量App分组。
在新闻客户端中，为了适应不同用户的不同点，需要为用户提供尽可能大而全的内容，从而延长用户的使用生命周期。
个性化推荐在新闻客户端上的主要形态
以向每个用户推送不同的信息流为主，即每个用户的信息流主页里的信息是不相同的，可能是社会新闻居多，可能是体育新闻居多，可能是科技新闻居多。新闻客户端产品会根据用户的点击喜好以及浏览喜好等进行分析，围绕用户建立符合用户需求的浏览主页，而不是“千人一面”的主页，是“千人千面”的主页。
除内容外，每个用户呈现的广告内容也是不尽相同的，用户难得的享受了一次在广告上的“个性化”。
个性化推荐会不会取代网络编辑？
新闻客户端产品使用个性化推荐技术以后，编辑的作用似乎在下降，只要机器能够自动获取到足够的信息量，完全不需要编辑来制造内容，但是这个是建立在能够有海量的信息给予机器获取的基础上。个性化推荐会取代编辑吗？
在当前来看，这是个伪命题。至少内容还是需要有人来做，机器以及技术是无法制造内容的，比如专题制作，比如优质内容制造，最新的内容制作，必须要有人才能做到。个性化推荐优化的是内容，让用户看到想看的内容，在这一点上我们不能混淆了。
新闻客户端面临的大问题：信息的审查
越来越多的虚假信息以及敏感信息等混杂在信息流中，通过新闻客户端推送给用户，平台方肯定是有责任和义务来处理掉这些虚假信息的。
现在的技术还无法在反作弊功能上做的很好，仅仅只能通过关键词过滤技术过滤掉一些垃圾信息而已，稍微复杂一点的技巧，机器都需要很久才能识别过滤，而人工的速度则快的多。让人忧心的是，不少新闻客户端产品完全没有内容审查这一关，甚至没有内容审查这一部门，虽然他们不是内容制造者，但是作为传播者，是有义务和责任来为他们传播的内容负责的，在这一点上，只有人工会更谨慎。
无法感知兴趣之外，可能让我们越来越狭隘
个性化推荐貌似很懂我，能够精准的猜测出我最喜欢阅读的内容，且不说这种做法是否足够科学、其背后的评价机制是否有效，就算它科学有效，这是不是意味着“我只喜欢看同一类内容”呢？
倘若我们一直接收的都是符合喜好的内容，则很有可能陷入危险境地。这种推荐看似人性化，实则在阉割新闻。用户生活在自我的世界，无法感知兴趣之外的“新”事物。而无法接触“新”事物自然就不能培养新的兴趣。个性化新闻体验采集自你的兴趣，又决定了你的兴趣。用户最终沦为井底之蛙。
新闻除了让人感知世界外，还能启迪思想。让人担心的是，个性化新闻体验让思想裹足不前。
个性化推荐要与社交相结合、互动性
人人都是自媒体的时代，即使再渺小的个体都可能成为一个新闻源，以前的媒体是传播节点，现在变成的具体的个人。大部分新闻客户端因为没有收录这些内容，很可能造成一种情况，我们的信息流动速度严重滞后于他人。我们无法感知新闻事件背后人们情绪的变化，而这恰恰是我们为什么要阅读某类新闻的原因所在。
人们基于彼此的共性，彼此对同样感兴趣的内容进行推荐和讨论，我们称为「社交」。目前看来，现有「个性化阅读」的产品，想要解决的问题，豆瓣和新浪微博之类已经解决的很好。这些产品天然的社交推荐机制，要比各种产品的「推送」来得更加准确、合理。
基于内容的个性化推荐
一般来说，如果是推荐资讯类的都会采用基于内容的推荐，甚至早期的邮件过滤也采用这种方式。基于内容的推荐方法就是根据用户过去的行为记录来向用户推荐相似的内容。简单来说就是你常常浏览科技新闻，那就更多的给你推荐科技类的新闻。
复杂来说，根据行为设计权重，根据不同维度属性区分推荐都是麻烦的事，常用的判断用户可能会喜欢推荐品程度的余弦向量公式长如下：
这种算法缺点是由于内容高度匹配，导致推荐结果的惊喜度较差，而且有冷启动的问题，对新用户不能提供可靠的推荐结果。只有维度增加才能增加推荐的精度，但是维度一旦增加计算量也成指数型增长。定义风格也不是一件容易的事，同一个作者的文风也会发生改变。
个性化推荐未来还有更多路要走
继新闻客户端之后，会有越来越多的产品走上个性化推荐这条路，没有人喜欢“千人一面”的东西。基于对每个用户习惯的了解和探索，会让用户享受到更好的服务。
最好的推荐效果是像一个了解你的朋友一样跟你推荐，因为他知道你喜欢什么，最近对什么感兴趣，也总能发现一些有趣的新东西。这让我想到有一些朋友总会兴致勃勃的过来说，嘿，给你推荐个东西，你肯定喜欢。
