来看看https://yq.aliyun.com/articles/78474 这篇关于推荐系统的介绍，这篇博文写于14，距今4年多，希望不要太过时。
文章开始就指明了当前过热的推荐系统大有过夸之处，举例：
1）两个常用例子，啤酒和尿布，以及亚马逊通过推荐系统提升营收比20%。说了两个问题：1 牛逼哄哄的【协同过滤】其实还不如简简单单的【看了又看】效果来的好，所谓的【算法工程师】每天能做的就是在那调整【协同过滤】算法的相关参数，然后看看第二天的点击率有没有上升（的确让我汗颜） 2 首页广告位置分配给了推荐位，是推荐提升的主要原因。
然后作者总结的：推荐位中【热门推荐+人工推荐+相关推荐】占80%，这些都属于人工的部分，个性化是长尾，占20%
关于长尾说的就是8/2法则。
然后提到个性化如何做
打标签，这是对用户一无所知的最初了解，逼格更高的说法叫【用户特征提取】或者【用户行为分析】，这些特征应该叫基本特征。
然后是定向推荐，也就是建立模型，更新相关权重，看下效果如何，根据实际效果调整权重或者叫策略，算法等。
读完给我的感觉是，方法简单，工程化或者产品化较难，模型定好就是调参数？个性化搞不好就直接上人工推荐？工程化vs算法优化，更看重工程化的作用，简称实用型的。
所以做推荐系统，大公司的人到底在做什么？更产品化还是平台算法研发？估计都有，像阿里巴巴的推荐也整了RecEng以及相关推荐系统。做的事情还是挺多的。后期会往这方面挖掘。
