在确定了自身平台满足使用智能推荐的条件之后，先不着急上线这套推荐系统，在应用之前应该做好充足的思想和心理准备，建立合理的预期，才能在系统使用过程中不断优化并形成内化于团队自身的方法论。所以我们本章将会着重分享一下应用智能推荐应该具备的思维模式，做好思想上的准备和组织架构的配合，才能更好地指导现实中的实践。

智能推荐对于互联网平台来说，并不是万能的，其只是数据化运营环节中的重要组成部分。而其他部分都间接影响了平台整体数据指标，直接影响了推荐系统的使用效果，只有重视这些影响推荐系统的关键因素，才能在应用推荐系统时找到优化方向，不会沦落到万事需要推荐系统来背锅的境地。

（一）UI和UE；

（二）推广人群；

（三）数据；

（四）运营经验；

（五）算法。

这五个关键因素在我看来是重要性由小到大依次排列的。

1.达到行业标准的UI和UE

一款用户愿意长期使用的APP，必定是具备了作为一款合格APP的基础，在这个“颜值即正义”的时代，即软件满足用户所需的正常的人机交互体验。先不要提你的内容有多好，你的算法有多棒，如果用户在你的平台操作不畅，使用不便，再加上你的界面落伍又丑陋，那么正常用户使用后不删除就已经不错了，就不要想着高黏性高活跃度了，所以达到行业标准的UI和UE是基础。

2.特定的推广人群

这几年移动互联网市场已经高度成熟，一款想“收割”所有人，满足所有用户群体需求的APP已经不复存在了，所以你的APP的内容及功能一定是重度垂直某个领域、服务某个群体的。

如果你的APP是一款女性高端时尚交流APP，如果不在高端女性聚集的渠道做推广，而是广撒网不分人群、不分渠道，那么可以预想到的是，绝大部分人不会下载，即使下载了也会即刻删除。

还有笔者服务过的客户里面，有客户拿着较为严肃的深度内容到服务趣头条这类网赚平台的推广渠道花大力气做推广，最终日留存只有不到9%，那么这时候的首要任务就不是提留存率而是降流失率了！尽快确定目标群体及生产、获取这个群体所匹配的高质量内容，有了稳定的使用人群之后再谈智能推荐应用问题。

3.数据

数据是贯穿在推荐系统应用中，数据就是推荐系统的食材。若数据较少，那么巧妇也难为无米之炊。对于数据较少的情况，可以先观察应用内用户的生命周期，制订数据收集计划，达到合适的数据量再上线推荐系统。理论上讲，数据量越大、数据维度越丰富，模型优化的效果越好。而实际场景中并不是这样，还需结合业务场景，具体问题具体分析。

4.运营经验

运营经验即运营过程中总结的常识和通识，每个行业每个业务场景都可运用他人总结的经验作为指导，以实现业务目标。如新闻场景中，过了时效性的新闻就不适合再被推荐了；在电商场景中有利润款、引流款、应季款、过季款。诸如此类，在每个场景都可以总结出一些普遍的规律，而这些规律在推荐系统的应用过程中是必不可少的。不仅可以让推荐系统提升更多的指标，而且没有这些规律的干预，推荐系统根本无法正常运行。

5.算法

算法，也是推荐系统的核心。不存在适用所有场景的推荐算法，只有根据不同业务场景搭配、优化的算法组合。当然，如果你的平台尚处婴儿期，那么算法确实很难让平台有质的提升。而平台进入成熟期之后，算法的优劣将会带来指数级的变化。

上述五个关键因素都会直接地影响推荐效果，在平台的各个阶段每个因素的重要性会有所不同。因此，在资源没那么多、人手没那么足的情况下，要优先解决主要矛盾，抓大放小。