下图是我们对求解模型的一个解释。我们发现高活跃用户更加看中自己的倾向，预测模型的权重在用户偏好类的特征中高（high model weights on user preference features）；低活跃用户更加依赖于平台的推荐，更喜欢平台选择的搭配性好的商品，预测模型权重在商品搭配性的特征权重高 (high model weights on )。这可以直观的理解为深度用户在选择商品上更有自己主见，而新手更依赖于平台。

目前该工作在线上取得了不错的效果，购物搭配的推送推荐场景上看到大约 50% 的点击率提升。

更广义的来讲，这项技术给行业带来的好处的是可以更精准和全面的刻画用户，进一步推广以用来描述商品、资讯、视频等其他目标。该技术可以帮助使我们的营销推荐更友好（了解用户），同时从商业上提高转化率（高点击率）。