盤點科技圈裡的時髦詞彙，必然少不了一個詞：個性化推薦。
藉助個性化推薦技術，網際網路產品獲取或積累使用者的興趣喜好資料後，可以直接為使用者提供每個人感興趣的內容，以此提升產品的內容吸引力。
想要在產品裡新增個性化推薦功能已經不是一件難事，事情的難點在於推薦的內容是否準確。為了解目前使用者對該類功能的反饋，企鵝智酷推出了一項調查，以下就是調查結果：
86%使用者體驗過個性化推薦，應用商店覆蓋度最高
參與調查的使用者在反饋自己的使用體驗時，僅有13.9%的使用者表示完全沒有體驗過個性化推薦功能。剩餘86.1%的使用者都獲得過根據自己的喜好或習慣形成的個性化內容。
迴歸到具體在哪些產品裡體驗過該功能，應用商店的佔比最高，28.4%使用者在應用商店裡體驗過個性化推薦。其次是音樂產品，使用者比率為27.8%。排在第三位的是電商類產品，佔比為22.4%。
廣告是使用者體驗個性化推薦時佔比最低的產品領域。這反映出使用者可能很少發覺展現在自己眼前的廣告具有個性化元素。
只有24%使用者認為產品個性化推薦靠譜
推薦的內容是否準確決定了這個功能的吸引力。從使用者反饋來看，超過一半的使用者認為，自己獲得推薦只是少部分準確。當然，也有24%的使用者表示大部分的產品個性化推薦準確，11.9%認為完全不準確。
相比於推薦技術，使用者還是更相信自己
既然來自於技術的推薦只是少部分準確，那麼使用者會更信賴誰呢？答案還是使用者自己。30.2%的使用者選擇不相信推薦，只相信自己。
除了相信自己，群眾的眼光可能也是雪亮的。25.9%使用者認為多數使用者的選擇更加可靠。個性化推薦技術在信任程度上排在第三位。
一個讓人意外的結果是，僅有15.8%的調查者選擇相信專業人士的推薦。
超過一半的使用者需要個性化推薦技術
對於使用個性化推薦功能的產品而言，雖然不能提供讓使用者完全滿意的推薦內容，可使用者還是需要這樣的功能。54.5%使用者反饋稱需要產品中新增個性化推薦，20.1%仍在猶豫中，剩餘25.4%的使用者則表示不需要。
由此可見，對於準確度還有待提升的推薦技術，使用者保持了更開放的態度。
結論：如何猜透使用者的心思和需求
能夠基於使用者資料提供個性化推薦，這是網際網路產品可以提供的一項特色功能。可從目前使用者的反饋來看，這種推薦很難達到使用者所期待的準確度。不過，即便不夠準確，使用者需求依舊存在。
結合這樣的反饋，產品在設定個性化推薦功能時，除了要不斷完善推薦演算法的精準度外，其實還有一些討巧的方式，既防止讓不準確的推薦嚇跑使用者，又不至於讓使用者面對海量內容時不知所措：
- 僅將個性化推薦作為內容推薦的輔助手段。千萬不要對自己的推薦過於充滿信心，如果把演算法推薦作為產品的核心邏輯，可能很容易遭致使用者的質疑。
- 先把選擇權交給使用者，因為使用者更相信自己。你認為替使用者做出選擇是一種幫使用者省力的做法，事實上使用者更樂於為自己的選擇買單。
- 讓使用者知道大多數人的選擇是什麼，也是一個不錯的推薦方式。當一個產品已經有了資料積累時，不妨把產品獲得的資料反饋給使用者，有的時候，群眾的眼光可能真是雪亮的。