智能推荐所实现的个性化体验，早在门户网站时代即有了雏形——RSS订阅，号称是当时阅读界的革命。由于每个人的订阅源不同，所以看到的内容也不同。但最终RSS订阅模式还是死掉了，原因是使用订阅工具获得个性化体验的前提是会使用订阅工具，并找到感兴趣的作者，而本身筛选作者的过程就已消耗了用户大量的精力和一定的认知门槛。所以RSS订阅模式始终局限在小部分精英群体，认可度一般，用户量很少。但却给智能推荐提供了个性化的思路。

随着移动互联网的发展，海量的APP发行，男女老少全体触网，现金裂变的拉新方式，中国的移动互联网用户早已养成了“刁钻”的使用习惯。数据研究表明，如果用户在9秒之内没有感受到APP良好的体验及需求的满足，那么用户就会毫不犹豫地退出界面完成卸载。

对于用户而言，尽快地找到自己想要的内容，满足即时需求，用户所花的阅读时间的每分每秒都是有效的，那么用户才愿意将更多的时间托付给平台。用户的碎片化时间不是花在这个APP就是花在另一个APP上，所以使用智能推荐的平台更多的是在帮助用户减少获取信息的成本，是帮助用户节省时间而不是消磨时间。

由于人的局限性，人对自身兴趣、需求的了解都是有限的且不自知的。没有看到、没有接触的内容不代表用户不感兴趣、不接受。就以阅读图书为例，日常我很喜欢思辨类图书，依赖我日常的浏览惯性，我会更多看一些思考方法训练类书籍。而当我有一天不小心打开了东野圭吾的书后，我惊奇地发现，原来小说也可以有这么强的逻辑性！

早期的计算机能力有限，可获取的用户数据也有限。可随着互联网的高速发展，尤其是搜索引擎及各类APP如雨后春笋般地出现，计算机算力大幅度提升，用户数据的不断丰富，用户行为数据的收集也不再是难事，依托大数据的用户行为分析系统，不仅可以分析某个用户的行为特征，更能识别用户群体的行为特征。因此，你自己不知道的兴趣爱好，推荐系统依赖大数据的计算可以给你实时反馈一个高概率的结果。例如，常用在推荐系统领域的基于用户的协同过滤算法，通过每两两用户之间行为语义的矩阵计算，就能够实时发现与你最相似用户群体的共同特征，并且能将用户群体所共同感兴趣的内容推荐给你，从而让你发现自己不自知的兴趣爱好。

同时，推荐系统对个人用户兴趣捕捉的粒度也要比人脑要细得多。我是一个历史爱好者，我喜欢读《明朝那些事儿》《万历十五年》，但我并不喜欢读《资治通鉴》这种严肃难懂的历史书籍。对于我自己的认知，我依然认可自己是历史的爱好者。但是在推荐系统的数据里，你的特征可不仅仅是一位历史爱好者，而是一位喜欢阅读通俗历史读物的爱好者。用户在推荐系统中发生的行为越多，那么记录在推荐系统里用户的形象就会越丰富越立体。每个人都不是简单标签可以概括的，而是一个丰富、立体甚至难以言喻的形象。

总之，用户与推荐系统的关系，也是相辅相成的。请用户尽情地浏览、点赞、收藏……毫无保留地表现兴趣、喜怒哀乐。

对于用户而言，每一次的行为反馈都在不断完善着自己的数字躯体，都在决定着内容是得以扩散还是被系统纠偏。每篇内容都在随着你的行为不断变化着数值的权重。而作为你积极反馈行为的回报，推荐系统会将最适合你的内容推荐给你。