個性化推薦系統的利弊？
最近幾年，隨著互聯網的興起，各種各樣的數據爆髮式的產生，下圖展示了2011-2013年互聯網上一分鐘能產生的數據量。
數據越多選擇越多，因此各個互聯網產品就開始搞個性化推薦，推薦系統變得越來越火爆，可以說在大數據的時代，誰更瞭解用戶，誰就能提供更準確的服務，也就能得到更大的利潤。比如以「你關注的，纔是頭條」著稱的今日頭條正可謂是抓住了這點，吊住了用戶的口味。
在今日頭條的首頁上，有推薦專欄，會給用戶提供專屬定製化新聞，也正是因為在用戶特徵上分析的準確，憑藉這點，今日頭條也得到了巨大的廣告收入，這種精準營銷方式得到各大廣告金主的偏愛。
再比如，我們經常用的淘寶、天貓等購物APP，它會根據你平時的購物習慣給你推薦相關的產品。比如，我每個月都會給家裡買一些奶製品、啤酒之類的飲品，淘寶就會自動給我推薦各種奶製品、啤酒產品，但凡我某一個月太忙，忘記給家裡買東西了，一打開淘寶首頁下拉之後的「猜你喜歡」部分就主動推薦給我一些我常關注的產品，我自己就又會消費了。這種方式使得商家能賣出更多的產品，同時也能給用戶節省購物挑選的寶貴時間。
對於比較的大的電商公司、亞馬遜、京東、淘寶等，推薦系統做的好，能能提高百分之10到30左右的訂單貢獻率，這就促進了百十億的銷售額，相比於僱傭幾十個推薦系統工程師所花費的投入，對企業來說簡直是低投入高回報的最好代表了。
利：通過從大量的信息中有效地過濾掉用戶不關心的內容，生成個性化的推薦列表。從用戶角度來說，提高了單位時間的信息價值，減少了雜訊的幹擾，得到了更好的信息體驗；從應用角度來說，可以精準地定位到不同的用戶，提高了單位成本下的推廣效果，減少了用戶流失的可能性，產生了更好的經濟效益。
弊：可能的隱私問題。至於所謂的共性發現，這完全可以由非個性化的推薦系統來實現，不算是缺點。但是，分析每個用戶的偏好等有可能導致用戶的隱私擔憂，尤其是當系統被不當使用時。
好處是滿足了每個人不同的興趣方面的需要，不好的地方是不利於共同的價值觀和熱點的形成和傳播，推薦系統的開發過於複雜，已經演化成為業界最高技術的比賽場。總的來說是社會的進步，已經在獲取信息上向按需分配前進了一大步。
推薦閱讀：
