智能推荐是:
我不需要用户提供明确的需求，我只需要根据用户的历史行为去建模，然后根据他们的历史行为判断接下来的行为和喜好，去给用户做相对应的内容、产品推荐。所以当用户没有明确的目的的时候，也可以帮助用户发现新内容。
四、智能推荐的机制1. 人建立
用户画像，给用户打上事实标签和模型标签，什么是事实标签？
就拿虚拟人物“小明”举个例子吧！小明经常在某购物平台上购物，并已完善自己的个人信息，那么平台就会把该信息收集，作为事实标签。
姓名：
小明性别：
男身高：180cm
体重：70kg
爱好：看电影
职位：
产品经理目前所在地：上海
消费等级：极高（根据日常消费习惯判断）
常看类型产品：高科技产品、数码产品、大牌运动鞋那什么是模型标签呢？
就是系统可能会把一类人划分为一个模型，他们的事实标签可能会比较相似，这就是一个模型标签。
我接着拿玉康举例子：
比如说系统给他们这一类人建的模型标签名称是“大款”，那可能别的某个大款看上了一个
布加迪，加购并付款了，虽然孙玉康没有看这个产品，但是可能布加迪及相关产品也会出现在孙玉康的推荐列表中。
2. 货（内容）给内容或产品打上标签，比如一个运动上衣，可能会有夹克、运动、长袖、外套等等各种各样符合这个产品的标签，并记录这个产品的售卖数量，收藏、加购的数量等。然后通过人货模型，就可以知道，比如说：年轻的女孩子，喜欢口红，包包、购物、逛街；年轻的男孩子，喜欢女孩子，喜欢手机、手表、汽车，然后怎么匹配呢？
3. 场就是在对应的场里做匹配，比如说首页、Feed流、导航栏、个人中心等等，在你想要的场景匹配上你所需要的数据。然后我可能有了这个标签的推荐方法，我把一个东西推给一部分人，然后这部分人很