一、定义理想态
1. 初步定义理想态
对于【喜欢这本书的人也喜欢】这种推荐型的产品，其理想态为“以平台当前能力范围内，能够给出用户感兴趣的推荐书籍”
2. 核心指标及拆解
衡量算法是否满足理想态的关键指标：
指标1：用户是否有点击行为——即点击推荐书籍，进入该书籍的详情页；
指标2：用户在推荐书籍的详情页进行正面操作——即在详情页进行【想读】、【评价】（评价在3星及3星以上）、【加入购书单】、【添加到豆列】、【推荐】操作。
指标2是指标1更进一步的衡量指标，故在此次指标拆解过程中，优先考虑对指标1实现效果的衡量评估。
同时，进一步量化指标1的衡量标准：
假定量化标准为：
量化推荐书籍的标准数。根据平台已知，【喜欢这本书的人也喜欢】板块中推荐书籍的个数最多为10本；因此，将10本量化为标准值，即推荐书籍总数少于10本则认为不满足理想态；
（在符合推荐标准数的条件下）量化用户选择点击的书籍数与推荐书籍总数的行为占比（以下简称：选择占比率）。当选择占比率不低于50%（即若推荐书籍的总数为10，则用户选择点击的书籍数不低于5本），则认为该行为满足理想态。
备注：由于用户的选择占比率需要在后续用户session监测中进一步验证，故在此只针对推荐算法的匹配程度进行讨论。
3. 重新定义理想态
现在，我们来重新定义理想态：
“以平台当前能力范围内，能够给出让用户愿意点击进入详情页的推荐书籍——即让用户产生点击行为的推荐书籍，且推荐书籍总数不少于10本”
二、 对未达到理想态情况进行抽样分析
1. 拆解未达到理想态的情况
根据理想态求反，我们拆解未达理想态的情况有哪些：
所推荐书籍总数少于10本；
所推荐书籍总数满足10本，但用户对所推荐书籍都不满意——无点击行为，选择占比率=0%；
所推荐书籍总数满足10本，用户对所推荐书籍的满意度低——选择占比率≤50%
汇总情况可得，未达理想态的情况为以下两种：
所推荐书籍总数少于10本；
所推荐书籍总数=10本，但0%≤选择占比率≤50%；
2. 抽样分析
2.1 目的
选择10本主类型相同的原书籍作为样本数据，通过对样本数据输出结果的分析，得出目前豆瓣读书中【喜欢这本书的人也喜欢】该功能模块的推荐策略：1）推荐策略能否满足理想态；2）若不满足，存在哪些问题；3）对于问题，后续的改进计划。
2.2 样本选择
样本主类型：推理小说
样本：
《本阵杀人案》
《十角馆事件》
《雪人》
《法医秦明：无声的证词》
《白夜行》
《沉默的羔羊》
《无人生还》
《沉睡的人鱼之家》
《姑获鸟之夏》
《别相信任何人》
2.3 抽样结果分析
2.3.1 原书籍：《本阵杀人事件》
推荐结果分析
推荐书籍数满足10个。
推荐书籍中的评分都在7.4分以上，优先推荐高分书籍；
推荐书籍与原书籍的标签的匹配度很高，在75%以上，即标签的推荐权重值高；
推荐书籍与原书籍的主类型保持一致，即类型的推荐权重值高；
此次推荐算法会依据【作者】属性作为输入参数，但其权重不是非常高；在推荐书籍中《名琅庄》的作者记录为季芹，与原书籍作者完全不同，却也在推荐列表中；
在10本推荐书籍中，出现推荐重复书名的情况，对相同书籍未做去重处理。（在这两本书详情页发现，故事大纲几乎一致，只是在书名表达上，略有出入。）
2.3.2 原书籍：《十角馆事件》
推荐结果分析
推荐书籍总数不足10个；
在推荐书籍中，没有原书籍作者的其他作品；
在推荐书籍中，大部分来自同地区作者的较高分作品；
在推荐书籍中的标签匹配度与原书籍的标签匹配度，在20%~62%；
在搜索另外一本收录为《十角馆事件》时，则发现在该书籍下推荐列表中，满足10本推荐书籍，且多数为原书籍作者的高分书籍，同时也有其他同类型作者的高分书籍推荐——原书籍与推荐书籍属于同一系列的丛书。
2.3.3 原书籍：《雪人》
推荐结果分析
推荐书籍总数不足10个；
在推荐书籍中，大部分是原书籍作者的其他高分作品；
在推荐书籍中，大部分是相同的丛书；
在推荐书籍中的标签匹配度与原书籍的标签匹配度，在40%~70%；
在推荐书籍中，选择推荐其他作者的高分作品；
2.3.4 原书籍：《法医秦明：无声的证词》
推荐结果分析
推荐书籍总数不足10个；
在推荐书籍中，大部分是原书籍作者的其他高分作品；
在推荐书籍中，优先推荐了部分与原书籍同系列的作品；
在推荐书籍中的标签匹配度与原书籍的标签匹配度，在30%~60%；
2.3.5 原书籍：《白夜行》
推荐结果分析
推荐书籍数满足10个。
推荐书籍中的评分都在8.5分以上，优先推荐高分书籍；
对于不同出版年份的同名书籍，出现重复推荐的情况；
在推荐书籍中，出现与原书籍相同的推荐书籍；
在推荐书籍中，出现与原书籍的类型不一致的书籍；
2.3.6 原书籍：《沉默的羔羊》
推荐结果分析
推荐书籍总数满足10个；
在推荐书籍中，优先推荐了与原书籍同系列的作品，例如续集；
在推荐书籍中，出现同书名重复推荐的情况；
在推荐书籍中，出现与原书籍类型不一致的书籍；
2.3.7 原书籍：《无人生还》
推荐结果分析
推荐书籍总数满足10个；
在推荐书籍中，大部分推荐原书籍作者的其他高分书籍，且都是原作者的作品中被收藏次数较多的作品；
推荐书籍的类型，也与原书籍类型一致；
在推荐书籍中，出现的其他作者高分书籍；
2.3.8 原书籍：《沉睡的人鱼之家》
推荐结果分析
推荐书籍总数满足10个；
由于原书籍的作者东野圭吾在作品输出上的产量和产值都很高，故在推荐书籍中，都是原书籍作者的作品；
原书籍《沉睡的人鱼之家》是东野圭吾最近作品，因此在推荐书籍中选择了也是评分教过的最近的作品；
相较于东野圭吾经典作品，《沉睡的人鱼之家》较为冷门，故系统默认用户已知晓东野圭吾其他大热的作品，如《白夜行》等作品，推荐的也都是较为冷门的书籍；
在推荐书籍中，出现评分低的书籍；
2.3.9 原书籍：《姑获鸟之夏》
推荐结果分析
推荐书籍总数不足10个；
原书籍属于偏小众的推理小说，且内容带有浓烈的鬼怪玄幻色彩，说明喜欢看此类书籍的用户，会对玄幻鬼怪较为感兴趣，但在推荐书籍中，除了《巷说百物语》以外，其他三本是属于“本格推理”，在主题类型上并不太符合用户喜好。
2.3.10 原书籍：《别相信任何人》
推荐结果分析
推荐书籍总数满足10个；
在推荐书籍中，类型与原书籍类型不全一致；
在推荐书籍中，与原书籍标签的匹配度在25%~50%；
在推荐书籍中，出现评分低的书籍；
2.4 结果总结
2.4.1 豆瓣读书推荐策略分析
1. 推荐算法中，权重较高的属性：
【类型】属性：优先推荐与原书籍相同类型的书籍。虽然有些推荐书籍与原书籍并非同一个作者，但基本上能够保持一致的书籍类型；
【作者】属性：对于较为高产作者的书籍推荐中，基本上能满足10本的推荐数，且基本上是相同作者的作品推荐；
【丛书】属性：相同书名但版次不同的书籍，优先推荐相同丛书或同系列的推荐书籍；
【评分】属性：1）优先推荐同作者中分数较高的书籍；2）不同作者下，优先推荐同类型下的高分作品；
【常见标签】属性：除了主类型外，标签匹配度也在推荐权重考虑范围内，一般有40%以上的标签与原书籍一致。
2.推荐算法中，权重较低的属性：
【地区】、【出版社】、【译者】等属性对算法的干预作用不大，在算法中的权重较低。
2.4.2 可能存在的问题解析
三、解决方案
结合上述抽样结果结果的问题分析，初步制定以下解决方案：
1）关于重复推荐
可以将推荐书籍与原书籍的名称进行比配，过滤相同书名的书籍；
可以将推荐书籍中相同书名不同版次的书籍汇总合并，过滤显示评分较高的书籍；
在复杂程度较为简单的前提下，书名相同但版次不同的情况出现概率略大，优先考虑实现；
2）关于推荐书不足
对于偏小众的书籍，出现推荐书不足10本的情况较多，优先考虑实现；
3）关于匹配精准度
对于相同书名的原书籍，但其对应的推荐书籍却不同，有的甚至完全不同；出现此类情况的原因可能是因为相同书名但版次不同，所属丛书也不同，故优先会推荐同一丛书的书籍；此情况可以接受，故其优先级设为低；
对于推荐书籍与原书籍类型不一致的情况，此情况出现的频率不大，但是由于其影响面较大，建议其优先级为中。