解决所谓“信息超载”问题的有效手段，位置服务遇上个性化推荐

 无论是基于内容过滤（Content-Based filtering ）、基于协同过滤（ Collaborative filtering ）的个性化推荐技术，基于互联网的个性化推荐基本上仍是基于用户行为历史（购买行为、点击行为、珍藏行为、点评行为等）+当前内容场景（例如正在浏览的图书、正在交流的SNS挚友等）来进行上下文推荐的，可以说互联网个性化推荐主要仍是偏重于线上服务本身的，对于用户的位置因素以及相关的因素并没有太多的考虑。

对于移动互联网应用而言，除了传统互联网所积累的海量信息、各种丰硕应用可供使用外，移动互联网本身也出产了海量的内容和应用，怎样正确识别用户的喜好并在此基础上向用户推荐最相关的产品、服务、信息是解决所谓“信息超载”题目的有效手段之一。

与基于互联网的个性化推荐比拟，基于位置服务的个性化推荐好像更有意思。基于位置服务的个性化推荐之所以与基于互联网的个性化推荐有所差异，除了位置因素外，还包括时间因素、人的因素，按照1H5W的框架来梳理一下基于位置服务的个性化推荐会发现，引入位置因素、人的因素、时间因素后，个性化推荐会泛起良多有趣的应用场景，最为重要的是莫过于线上服务与线下传统服务的结合与互动。

可以说基于位置服务的个性化推荐比传统互联网的个性化推荐对于推荐引擎的技术要求更高。

与传统互联网的个性化推荐主要局限于各大网站站内内容相对比，影响移动互联网个性化推荐另外一个重要因素是平台开放性。假如说位置服务是移动互联网的杀手级应用的话，那么基于位置服务的个性化推荐必定是其中最核心的技术之一。对于移动互联网本身因为有传统互联网所积累的各种丰硕应用可供使用，在面对传统互联网巨头们先天的上风，移动互联网时代的个性化推荐不应当只是固步自封，应当采取更开放的心态，不要指望在移动互联网时代重新构建一个全新的平台，让用户完整地黏在上面，应当整适用户在互联网上所使用的各种已有应用和用户数据来作为推荐的基础。当然有很大一部门要依靠于传统互联网巨头们的开放性，但开放是互联网、移动互联网的精神所在和必定趋势。