導讀

在國家尚未提出“大眾創新，萬眾創業”的號召時，筆者從大學時代便開始了創業生涯，從國內第一家公益眾籌網站到自媒體聯盟再到O2O生鮮電商，每一個創業項目都走在風口之前，拿到多輪投資，也曾負債累累。

記得在2016年夏天，筆者與生鮮電商創業項目的老搭檔兼CTO閑聊起未來線下生鮮店的發展方向時，老搭檔的一句話讓筆者對數據的智能應用產生了濃厚的興趣：“未來線下零售店，當顧客一走進門店時，售貨員便知道顧客喜歡哪件商品。當積累的顧客數據多了之后，零售店就可以根據這些顧客的歷史消費記錄去調整商品的陳列，不僅讓顧客可以找到需要的商品，還能夠搭配關聯商品讓顧客一同購買，同時又給供應鏈提供優化的方向，甚至電子屏幕廣告牌展示的都是顧客感興趣的內容……”

在同年秋天，伴隨著收集的人工智能行業的信息越來越多，筆者發現之前暢想的智慧門店的實現思想與路徑，其實就是——智能推薦！在完成對人工智能行業所提供的商業價值的初步分析判斷，處理完生鮮電商項目的事宜后，筆者便一股腦兒地扎進人工智能行業。剛進入這個行業時，發現有太多可以對產業進行改造和升級的應用和場景，于是乎，摩拳擦掌、躍躍欲試的筆者便進入現在所服務的公司——艾克斯智能公司。進入公司幾個月后，筆者的一腔熱情便被澆涼了一半，潑冷水的人正是這家公司的創始人周波。在與周波共事的幾個月中，筆者的一些對智能應用落地的暢想便被他十幾年的商業智能從業經驗一一捋順，筆者對人工智能行業的發展現狀、商業邏輯、實現方式有了新的認識角度，對人工智能行業的認知也完成一次“落地化”的升級。

幾年來，筆者在一線接觸了上百個智能化應用項目，除互聯網行業的項目之外，還有金融、傳統制造業行業等項目。在接觸了十幾個項目后，被澆滅一半的熱情又燃燒起來，但與之前不同的是，筆者變得冷靜、理智、客觀了許多。之所以重燃了熱情，是因為筆者看到，縱使現有的技術不夠成熟、不夠理想，但各個組織單位爆發出強烈地通過應用人工智能技術實現“提效率、降成本”的需求，甚至筆者所服務的公司，以及大眾印象里與智能化距離較遠的煤礦、石油行業都實現了智能化項目的落地和應用。

雖然筆者所服務的公司，不斷有NLP（自然語言處理、計算機視覺識別）項目的合作與落地，但筆者最感興趣的項目依然是智能推薦。而在服務智能推薦項目的過程中，筆者產生了以下四個強烈的感受：

·應用場景太廣泛，不同場景之間的具體推薦思路有很大的不同。

·不僅是老百姓，連大多數互聯網從業者也搞不清楚智能推薦是個什么神奇寶藏。

·很多專業術語很高深，其實往往是從常識引申出的理論與方法。

·應用場景多樣化，而互聯網行業可能僅僅是智能推薦的起點。

一位斯坦福大學的教授通過“貪心算法”找到了自己的車，這聽起來是不是很高深？而這個算法講的是什么呢？舉個例子來說明：筆者到停車場找自己的車，先往東走了幾步，鎖車聽喇叭聲音距離自己的遠近，如果遠了就往西走，如果近了就繼續往東走，這就是“貪心算法”的原理。實際上，當你知道了“貪心算法”的原理之后，你會發現它其實一點都不高深，我們找車不就是這么找的嘛！

智能推薦雖然是基于AI的技術應用，但不能僅僅停留在技術層面，從實際應用效果來說，在大規模商業化的場景下，想把推薦模型高性價比地發揮作用其實并不容易，很多模型從理論上來說確實可以達到好的效果，現實卻沒有實現的條件。任何一個推薦系統的項目，至少會有兩種及以上用不同模型實現的思路。不管是智能推薦技術提供方，還是智能推薦技術使用方，都需要將智能推薦與實際的應用場景結合起來。本書不是技術圖書，而是一本關于應用的圖書。

筆者從上述四個感受出發，致力于通過“說人話”的方式，幫助讀者了解，智能推薦到底是什么，有什么價值，我所服務的企業要不要應用智能推薦及不同場景應該怎么應用。

本書共分七章進行講解。第一章講什么是智能推薦，第二章講要不要上線智能推薦，第三章講智能推薦在資訊場景的應用，第四章講智能推薦在電商場景的應用，第五章講智能推薦在文娛行業的應用，第六章講智能推薦的未來，第七章講如何實現智能推薦。筆者之所以選擇資訊、電商、文娛行業來詳細地講解智能推薦的應用方式，是因為現階段智能推薦在這三個行業的應用最為成熟，在成熟與不成熟的過程中，智能推薦也暴露了很多問題，進行了多次優化，而且這些問題都比較有代表性。

希望這些問題的解決方式對智能推薦感興趣的互聯網從業者及準備上線智能推薦的企業管理者（不管是新型互聯網企業還是傳統行業企業）有一定的啟發。

可以自信地說，對于智能推薦領域，筆者最大的優勢是見過、服務過、實戰過上百個項目，這些項目幾乎涵蓋了所有體量的互聯網公司和部分傳統組織與線下場景。本書中的所思所想都是在實戰過程中積累的真實經驗，而非坐在辦公室、實驗室憑空想出來的。本書中的推薦場景問題解決在一定程度上貫徹了筆者的做事態度：用聰明的方法，做落地的事。希望本書對讀者有一定的積極意義，同時也歡迎同行對本書內容進行指教與批評。