信息經濟時代正慢慢滲透進物質經濟，並為體驗經濟做了非常好的鋪墊；而這兩個時代的主基調一定是建立在大數據的基礎之上的，特別是互聯網產業的崛起與發展，伴生著海量數據，催生了「大數據+機器學習」模式。企業數據的收集與積累，底層硬體與軟體的支持，數據的互通與融合，產生了「1+1>2」的「強網路效應」。大數據的「邊際成本開始趨於零」，數據成為「DT時代」最好的「生產資料」。

▎信息化-數據化-智能化

體驗經濟正推動著「數據化」/「智能化」的發展。 面對海量信息，該如何選擇呢？–「選擇爆炸」，「選擇恐懼」，「選擇焦慮」。信息需要過濾，如何從海量數據中快速挖掘用戶感興趣的產品，並將「」無用無趣無聊的三無信息剔除的訴求，推動了個性化內容分發技術(搜索與推薦)的發展。而個性化內容分發的信息篩選與呈現工作主要通過四步來完成：

???? 1). 收集用戶或群體的行為數據或搜索數據；

???? 2). 尋找合適的機器學習演算法構建用戶的興趣模型；

???? 3). 通過構建的用戶興趣模型預測未來用戶的感興趣的產品和內容；

???? 4). 過濾低質商品和內容並呈現給用戶。

這是一個龐大的系統工程，整個過程需要根據業務經驗，「依託產品形態」，「利用演算法」從數據中挖掘各種信息，最終幫助用戶感知，而不強迫TA思考。這裡涉及了一個重要概念「機器學習」，我們這裡簡短闡述，機器學習的三大核心點：

????1).基於「過去的事實和數據」，用來發現「趨勢和模式」 ；

????2).機器學習模型提供了「對於結果的洞察力」，機器學習幫助揭示未來的一個結果的概率而不僅僅是過去發生的事情 ；

????3).歷史的數據和統計「建模」被用於概率進行預測；

傳統數據分析旨在回答關於過去的事實，機器學習的目的是回答關於未來事件的可能性的問題!

▎線上流量紅利逐漸見頂

前幾年企業中存在的普遍問題，小公司本身收集的數據少；大公司擁有更加豐富的數據，但是雜亂無章，無從下手。現在這個階段，大部分公司數據雖全，但存在於「孤島」，信息散落各處(pos,crm,erp,供應鏈，oa)，如何基於現有商業進行快速數據挖掘，「主動出擊」對商業快速反應。

「流量紅利見頂」的情況下， 誰能「用好數據」， 誰能更好地「精細化地滿足」用戶需求，誰就能在激烈競爭中勝出。推薦正是這個流程中「主動迎合用戶」，「快速抓住用戶需求點」的有效手段。

本專欄內容

本書主要介紹流量分發的各個環節，主要會圍繞「個性化推薦技術」展開，在最後也會介紹相關的「搜索技術」，主要以「電商場景」問題為主，也會根據敘述需要結合「視頻」、「新聞資訊」等方向。