今日头条开始逐步引入个性化推荐的策略。

　　他们所采用的，是协同过滤(Collaborative Filtering)** + 基于内容推荐，直到今天依然构成今日头条推荐算法的基础。

　　关于协同过滤，参考 IBM developerWorks 中文社区的专业解释，“协同过滤一般是在海量的用户中发掘出一小部分和你品位比较类似的，在协同过滤中，这些用户成为邻居，然后根据他们喜欢的其他东西组织成一个排序的目录作为推荐给你。”

　　杨震原在 MindStore 分享，“(协同过滤)是一个很好的方法，直到今天我们还一直使用。但缺点也很明显，对于没有行为(记录)的文章，没办法推荐，所以没办法用于文章的冷启动。所以我们引入了基于内容推荐的策略。比如计算文章的分类、文章的关键词，然后根据用户对文章的阅读、浏览等信息，细化用户的个人资料。——这样子，如果文章是和科技相关的，而用户的个人资料也显示科技相关，那么就算匹配。”

　　除此之外，今日头条还通过用户对内容的“正负反馈”来判断内容匹配是否精准。

　　正反馈，包括用户点击了、看了很长时间、分享了、收藏了、评论了，都是正反馈。负反馈反而是比较难获取的，现在今日头条在内容上设置了一个小叉，点击之后，会咨询用户不感兴趣的理由，这种做法则会获取比较强的负反馈。但是通过这种方式收集到的数据还不多。

　　通过杨震原的解释，我们基本知道了今日头条推荐算法的原理：通过算法，一边提取内容的特征，一边提取用户兴趣的特征，然后让内容与用户的兴趣匹配。

　　除了对文本进行分析外，今日头条如何对用户进行分析呢?

　　杨震原说，“新用户能够得到的信息(历史行为)非常有限。我们尽量通过一下其它途径想办法获取信息，比如说，如果通过微博登录，那么就可以拿到很多信息，解决冷启动的难题。再比如，手机机型、手机在什么城市等信息，基本也可以知道。当用户积累了一定的行为数据之后，就可以算出他们的兴趣特征。总之，尽量通过有限的信息，来猜测用户的兴趣。”

　　今日头条通过机器匹配用户阅读兴趣，与内容本身的特征之后，这对他们的商业有怎样的影响?

　　广告界有一句名言，“企业所投放的广告费总有一半是浪费掉的，但是却没有办法知道被浪费掉的是哪一部分。”今日头条目前的商业模式也是以广告为主，因此在产品上所产生的巨大流量，可否与广告内容精确匹配，进而进行更加精准的转化。

　　根据今日头条所提供的案例，此前海尔旗下卡萨帝选择在今日头条动态开屏广告和信息流广告，最后开屏广告的转化率达 11.93%。