我的上一个团队正在构建一个新用户引导流程，到了一个想要在个性化和建议方面做一些酷的事情的点。如果你环顾四周，似乎现在每款成熟的产品都内置了机器学习。我们真的很想这么说：“如果我们想和那些其他公司一样成功，我们就需要机器学习。”
但我们是一个小团队，迭代速度很快。我们没有时间、资源或需求来打造一个一流的推荐系统。我们选择了另一条路，在我们的情况下，我认为我们通过一种简化的方法达到了80-90%的效果：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有显著的益处。
- 验证数据：是否有某些用户群体与其他用户群体的行为有显著差异？如果没有，那么你就无法做出有帮助的推荐。
- 选择“逐个”或“最终决策”方法：依次应用规则，直到找到匹配的规则为止，或者应用所有规则后做出最终决策。在“逐个”场景中，规则通常表示为一组情况语句，并在确定性场景中表现得非常好。在“最终决策”场景中，你通常会考虑多个因素，然后返回最佳选项。
- 创建明智的规则：利用数据分析和个人直觉来构建决策树或评分系统。
- 编写v1版本并迭代结果：我这里默认的工具是SQL，因为它快速且功能强大，足以完成任务。编写一个查询，提取产品在那个点将拥有的数据，然后应用一系列情况语句，可以是逐个应用或者求和，以输出一个或多个结果。