相信这样的经历，你一定不陌生。

不难发现，现在的apps，对于用户的痕迹、喜好都了如指掌，难道世界上最懂自己的，真的是这些机智的apps？

Apps能如此机智，背后其实是推荐算法在做支撑。它利用用户行为，例如搜索、点击等，通过计算机一系列的数据算法，推荐出用户可能喜欢的物品和事件。

不同种类的平台，内部有不同的推荐算法机制，但不管差别有多大，不同的推荐算法都是围绕着以下这几点基本条件：

有了基本的推荐条件，就可以实现推荐算法的操作。目前，协同过滤推荐是推荐算法中应用最广泛的，大多数apps的推荐算法都是基于协同过滤推荐。

协同过滤分为在线协同和离线过滤。

在线协同是通过在线数据，寻找用户可能喜欢的物品或感兴趣的事件。

绝大多数的apps系统后台每分每秒都在监控着各种数据，系统会根据数据的变化，例如浏览时长、点击次数等，以最快的速度将这些数据变化的结果，反馈给前台；前台会将数据变化较为突出的、与之相似的物品或事件更新，最后推荐给用户。

在线协同的例子有很多，例如我们在网站上搜索指环王的电影时，网站会立刻推荐出一系列的动作类电影。

离线过滤是过滤掉不值得推荐的数据。

像淘宝中物品的评分、小红书和抖音里的点赞量和收藏量，这些数据不需要实时处理。

系统后台会设定一个离线的统计和推荐算法，系统收集了数据后，会将这些数据进行过滤，将排列靠前的数据反馈给前台，前台会将和这些排列靠前的数据相似的物品或事件推荐出来。

这就是为什么我们在apps的首页里看到的，大多数都是销量高、评价好、点赞量和收藏量上万的推荐。

虽然实时和离线搭配操作的协同过滤推荐算法，是目前最流行的推荐算法之一，但它的缺点也同样突出——冷启动问题。

由于没有购买记录、点赞和收藏记录等，系统缺乏新用户的数据，协同过滤很难实行起来，因此无法给新用户实现个性化的推荐。例如，新用户在打开小红书时，首页的推荐大多是目前点赞量和收藏量最多的笔记，这些笔记也许不是新用户感兴趣的；但在新用户使用了一段时间后，小红书的首页推荐笔记就会和用户的喜好有很高的相似度。

洞悉人心的推荐算法，在中国也是非常吃香的IT岗位之一。2020年初，新冠疫情如洪水猛兽一般冲击中国经济，国内招聘市场因此也面临着巨大的考验，但推荐算法岗位并没有受到非常大的影响。

根据BOSS直聘发布的《2020年一季度人才吸引力报告》显示：推荐算法是2020年一季度平均薪资最高的岗位，高达36351元。

和疫情前的2019年三季度相比，推荐算法的平均薪资没有发生太大的变化（2019年三季度推荐算法平均薪资36455元），并且连续两个季度成为了平均薪资最高的岗位。

受疫情影响，2020年一季度的整体招聘规模收缩，但由于推荐算法岗位对专业技能和工作经验的要求较为严格，受外部因素的影响较低，因此推荐算法岗位的需求量在疫情前后保持稳定。推荐算法岗位所在的IT行业，也依旧是2020年一季度人才吸引力指数最高的行业。

在Seed Career小助手的20个推荐算法岗位里，所有的岗位都要求具备相关的工作经验，其中，要求最严格的岗位，来自蚂蚁集团，需要具备7年及以上互联网或软件行业工作经验。

除此以外，在这20个推荐算法岗位里，有40%的岗位要求具备硕士及以上学历。和其他岗位相比，推荐算法在学历要求这种硬性条件上，一定程度地抵挡住了外界因素对岗位的影响。

而在澳洲，专门为推荐算法开设的岗位很少，大多都是算法类的综合岗位。但在其中一个算法（搜索和推荐）岗位中，同样也要求具备2年以上工作经验，且必须是硕士或博士学历。

关于推荐算法岗位，它还有很多值得我们关注的点，例如推荐算法岗位最需要哪些专业技能?这个岗位的职业晋升和发展前景如何？……

点个“在看”或在评论区写下你想了解推荐算法岗位的哪些方面，后续我们将为大家详细解析推荐算法岗位。

另外，本周日我们邀请到了小红书的资深运营学姐，亲自和你聊聊小红书的神奇之处。感兴趣的小伙伴可以直接扫码添加我们的小助手Emmy进入直播群哦。