因为优秀的个性化推荐并非用户看过什么就接下来推荐什么。而需具备多样性和新颖性，atv，让用户有惊喜感，而这远比简单的同类推荐要复杂。无论是资讯还是电商产品，有些用户在“闲逛”时会带有一些盲目性和消遣性，此时富有惊喜感的产品被推荐可以大大提升用户的好感度。

所以优秀的推荐引擎必须建立在多样性、新颖性的基础上，用数据来调整策略，而不是单纯着眼于当下进行单一类型推荐。

尤其需要注意的一点，对于资讯类产品而言，所推荐产品的时效性也是个不可忽视的因素。

资讯类产品如果想要依靠个性化推荐提升用户粘性，增加付费转化，必须明确在哪个场景使用个性化推荐是适当的，是首页的信息流推荐、详情页的相关推荐还是其他使用场景，依靠数据来调整个性化推荐的使用策略。另外，多样性推荐是可以根据占比由企业自行决定的，当然这也需要数据对比支撑不断调整占比，而时效性的资讯也可以根据统计的数据进行合理排布。

垂直搜索引擎和个性化推荐二者相辅相成

搜索和推荐虽然有很多差异，但两者存在着大量的融合。越来越多的搜索引擎会结合推荐系统的结果，直播，而“相关搜索词”就是推荐系统的产物。比如在一些平台型电商网站中，由于结果数量巨大，且相关性并没有明显差异，因而对搜索结果的个性化排序有一定的运作空间，这里融合运用的个性化推荐技术也对促进成交有良好的帮助。

推荐系统也大量应用用了搜索引擎的技术，搜索引擎解决运算性能的一个重要的数据结构是倒排索引技术（Inverted Index），而在推荐系统中，一类重要算法是基于内容的推荐（Content-based Recommendation），这其中大量运用了倒排索引、查询、结果归并等方法。另外点击反馈（Click Feedback）算法等也都在两者中大量运用以提升效果。