云推荐－大数据时代的个性化互联网服务解决之道
个性化是商业的未来
现代社会是一个商业社会，工业化解决了批量生产商品的问题，促进商业蓬勃发展。随着社会的不断发展，商品也越来越多样化，以期满足大众的不同需求。以电视机为例，最初只有尺寸的区别，后来可以选择品牌型号。直到11年9月27日，海尔和天猫在网上发起用户定制电视的活动;用户可以在电视机生产以前就选择电视尺寸、边框、清晰度、能耗、颜色、接口等属性，再由厂商组织生产并送货到客户家中。这样的个性化服务受到广泛欢迎，2天内1万台订制电视的额度被抢光。类似的定制服务在空调、服装等等商品上都受到用户欢迎。这些事例已经展示了未来商业的曙光——通过满足个性化需求来使用户得到更满意的产品，进而缩短设计、生产、运输、销售的周期来提升商业运转的效率。
大数据是实现个性化的基础
要实现个性化的商业模式，充足的数据是基础。比基尼生产厂商都知道他们的产品在海滩边或滨海城市有市场。可有谁能料到新疆和内蒙古的男人最爱给自己女人买比基尼呢?这样的“潜规则”隐藏在数据中，需要深挖才能见天日，就像“啤酒和尿布”的经典故事那样。而“大数据”相对于传统的数据挖掘更进一步。数据量大、数据种类多、数据之间有潜在关联是挖掘大数据的前提。整个互联网的用户和所有的商品本身就是一个足够大的数据空间，加上空间、时间、天气等等潜在相关因素，想要知道每个用户的喜好，所需要的数据量是巨大的。数据越多对用户的理解越精准。
互联网大数据处理的技术挑战
处理互联网大数据充满挑战，首当其冲的就是处理大数据的能力。为使消费数据的速度赶超生成数据的速度，拥有足够的计算资源是必要条件。在此基础上，线性扩展的计算框架、高效稳定的程序设计以及精准的算法都是大数据处理的核心能力。
第二个挑战便是时效性。用户在互联网上的操作不断地暗示其意图，只有及时感知到这些意图，才能在用户下一次操作前做出有效的响应，最终给用户带来便捷。这样的时效性要求系统的计算框架能够以数据流的方式来运转。最终导致系统在如何实时分流负载、实时容错等问题上采用与传统批量大数据处理截然不同的技术方案。
为了更大程度的满足个性化需求，还必须具有足够强大的定制能力。一方面，尽管单个用户的定制需求可能很小，但用户数量巨大，定制需求迥异，不是几个工程师努力下就能完全解决问题的。需要有像数据库SQL语言那样给用户足够多的自由，使再小的需求通过简单的操作就能满足。这样的定制能力要在数据的存储、运算、查询、展现等多方面都有体现。
阿里云的解决之道——云推荐
不论是收集大数据的计算和存储能力，还是处理个性化问题所需要的实时计算和算法技术;对于网站站长和开发者而言都是不容易快速得到解决的问题。阿里云正试图通过云端服务来降低个性化服务的门槛，使更多网站站长和开发者能够低成本享有自己的个性化服务。其中云推荐(http://tui.cnzz.com/)便是一个典型。
如果某网站是介绍美食菜谱的，用户在浏览“茶树菇鸡汤”的时候，如果能够有些相关菜谱推荐，那么便可以让用户在网站内停留更多时间，访问更多内容。事实上，有多种推荐算法可以找到用户感兴趣的内容：
· 从用户访问日志里面也许发现用户访问好这个菜谱以后五成用户都会去看看“补血益气乌鸡汤”、这种现象一定有其背后的理由，也许会成为一个不错的推荐。
· 既然用户在看“鸡汤”类别的菜谱，那就可以把网站里面其他热门的“鸡汤”菜谱推荐出来，如“香菇鸡汤”。
· 通过分析某一个用户过去历史的访问记录，或许能发现该用户相对于其他用户更偏向于文火慢炖的汤，那就应该适当推荐出类似“炖鸡汤”这样的菜谱。
· 相对于“鸡汤”而言，“羊肉汤”也是汤类别的热门品种，用户也许会吃鸡汤吃腻了想换换口味。
然而，要实现这样的推荐，传统的做法需要大量人工编辑工作。既不能做到即时，也很难保证效果。人工编辑更难验证这些推荐算法是否能在真实流量上产生足够好的效果。一个精准的推荐模型，必须对算法本身的整体效果以及用户对各种算法推荐结果的偏好作一个综合评估，这样才能找到合适每一个用户的精准推荐模型。最终让用户享受到推荐展位“千人千面”的个性化服务。
使用云推荐服务，只需网站开发人员在云推荐网站(http://tui.cnzz.com/)注册申请，得到一个十位应用ID，如“1000001234”。并将系统生成的JavaScript代码(如上例)内嵌在网页代码中便可以得到个性化推荐结果 (如下图)。这个过程一般一分钟即可完成。随后的事情就交给云端系统了。它会开始对网站进行礼貌的抓取和深度分析：识别出真正包含内容的页面，并抽取出页面标题、图片等作为推荐的素材。系统还会持续根据展现的点击效果自动调整推荐算法的模型和权重。
在云推荐的管理界面里，网站开发人员可以定制推荐位置大小、推荐内容条目数、URL范围、展现形式等参数。网站站长还能看到推荐展位的点击情况，并根据建议适当调整推荐位置参数以改善效果。