我之前的团队正在构建一个新的入职流程，并达到一个我们想要围绕个性化和推荐做一些很酷的事情的阶段。 如果您环顾四周，似乎机器学习已融入当今每个成熟的产品中。 很容易会说“如果我们要像其他人一样成功，我们也需要机器学习。”
但我们是一个小团队，并且在快速迭代。 我们没有时间、资源或需求来构建一流的推荐系统。 我们走了另一条路，在我们看来，我认为我们通过一种简化的方法实现了 80-90% 的目标：仅使用 SQL 的基于规则的推荐。
最佳实践
- 验证问题：这个问题值得解决吗？ 确保提供推荐或个性化服务有显著的好处。
- 验证数据：某些用户群体的行为与其他用户群体有显著差异吗？ 如果没有，那么您将无法提出有用的建议。
- 决定采用“逐一”或“最终决定”方法：按顺序逐一应用规则，并在规则匹配时停止，或者应用所有规则，然后做出最终决定。 在“逐一”场景中，规则通常表示为一系列 case 语句，并且在确定性场景中往往表现良好。 在“最终决定”场景中，您通常会考虑许多因素，然后返回最佳选项。
- 创建知情规则：使用数据分析和直觉来构建您的决策树或评分系统。
- 编写 v1 并迭代结果：我这里默认的工具是 SQL，因为它足够快速和强大，可以完成工作。 编写一个查询，提取产品届时将拥有的数据，然后应用一系列 case 语句，逐个应用或将每个语句相加，以输出一个或多个结果。