调研豆瓣图书推荐策略并归纳问题
你来豆瓣面试策略产品经理这个职位，面试官让你分析“豆瓣读书”中用到的策略。
于是你选择了豆瓣读书中「喜欢这本书的人也喜欢」这个推荐模块。
现在这个模块已经有初步雏形了，但是还是有很多可优化的空间。
作业概述
调研豆瓣读书的书籍详情页中，「喜欢这本书的人也喜欢」这个推荐模块的效果。
作业要求
具体需要完成6个小任务：
- 明确这个推荐模块的理想态。
- 体验产品，仔细观察书籍暴露出的字段，列出一些可能影响推荐结果的字段，作为输入因素。
注：这里的字段，指“与图书绑定的一些属性”，包括但不限于：图书类型、作者、豆列、豆瓣成员常用的标签等。 - 选择不少于10本书，找到他们各自“喜欢读‘xxxx’的人也喜欢”模块中推荐的书籍，作为推荐策略的输出；并按照上一步列出的输入因素，记录原书籍、推荐书籍各自对应字段的内容与图书名（输出）。
注：即记录合计 10*10（被推荐书籍） + 10（最初选择的10本书） = 110 本书的对应字段。当然，有些书籍推荐栏不足10本书，就可以少记录一些，但这会使你在后续步骤中不容易归纳出相应结论。 - 根据实际推荐的结果，推测哪些输入因素对结果影响大、哪些输入因素对结果影响小（或没有影响），并给出你推测的豆瓣图书推荐策略。
- 假设你推测的策略就是豆瓣实际的推荐策略，用推理和归纳两个方向，找出该策略的待解决问题。
- 【推理】：根据你的个人生活经验和产品视角主观判断，策略中，哪些输入因素不应置于其中？哪些输入因素应当考虑却未考虑？那些输入因素权重不恰当？它们（分别）导致策略输出了哪些有改善空间的推荐结果？
- 【归纳】：根据策略理想态和你从用户视角的判断，从结果中，找出你认为不合理的那些推荐结果，并说明原因。
- 列出课程里讲的那种问题分析框架，提炼出新需求；然后将需求整理成行动计划（如下图所示；需根据抽样样本，统计问题影响面，估算可解决影响面）。
提示
- 推荐算法中，有如下几种常见思路（以购物为例）：
- 计算某两件物品的相似度：二者（在某些维度上）越相似，越可能被推荐（如现实中，会出现买了一台电冰箱、又给我推荐一台电冰箱的这种无效推荐……）；
- 基于用户行为进行推荐：如购买了物品A的用户常常购买物品B，则针对物品A，可能推荐物品B；
- 更进一步：如果两位用户“品味一致”（行为习惯相似），一位用户购买了物品A与物品B，另一位用户只购买了物品A，则可能向这位用户推荐物品B；
- 另一种思路是：如果许多用户都将物品A与物品B同时置于购物车（用户自发创建了它们之间的关联），则物品A与物品B也可能互在对方的推荐列表之中。
- 推荐结果可根据你对内容的了解来判断合理与否，也可以参考对应竞品中的推荐（如当当、京东等）找到不合理部分。
- 最初选择的书籍最好在相同/相近的图书分类之下，这样能使你推测的策略更可能贴近真实的策略。
- 先从你比较熟悉的小众书籍入手，可能更容易发现问题。
给大家举个栗子吧～看看下图这部分推荐是否合理：
