背景：
去年6月份，参加了三节课的策略产品经理培训课程，由于工作太忙，只完成了可怜的1.5份作业，不管美丑，还是push出来，多跟同行交流沟通，学习成长。
问题描述
在视频结束后，首屏往往会有6个其他视频的推荐。用策略四要素，分析这一视频推荐策略。
例如，下图是某视频网站在某电影结束后，播放界面展示的6个推荐视频。用户点击相应位置，即可观看相应视频。
解决问题思路：
思路一
一 待解决问题
用户X看完一个视频A后，系统自动给用户推荐哪6个视频？如何排序？
二 输入
• 影响因素-用户特征
1 用户最近喜欢看哪类视频
2 用户喜欢看哪国的视频
3 用户喜欢看新片还是老片
4 用户喜欢看哪个导演的视频
5 用户喜欢看哪个主演的视频
6 用户没有看过的视频
数据来源：按如下优先级获取
在平台的历史观看记录
在平台的搜索记录
• 影响因素-视频特征
1 最近平台播放频次较高的视频
用户特征：喜欢追求热点的用户
2 视频A的特点：类型、国籍、时间、导演、主演
用户特征：偏爱某种视频的用户
3 喜欢看视频A的人还喜欢看哪些视频
用户特征：可能此类用户的偏好，不通过系统算法查询的话，人为很难发现。
三 计算公式
1 根据【悟空传】的特点，提取用户喜欢看的视频是：视频类型∈（剧情 、动作、奇幻）、热点视频=是、视频所属国家=中国、视频主演=彭于晏、视频的导演=郭子健、视频的产出年代=10后；
2 对所有用户未观看过的视频，都打上【视频特征】标签，并按照优先级*匹配度 加和，最后按优先级得分从大到小排列 ；
各视频标签的搜索权重设计，举例：
四 输出
把视频库中，用户未观看过的视频都打分，从高到低排序，推荐给用户前6位视频。
思路二（来源于书籍【用户网络行为画像】）：
一 待解决问题
用户X看完一个视频A后，系统自动给用户推荐哪6个视频？如何排序？
二 输入
用户行为日志，视频相似矩阵
三 计算公式
1 从用户行为日志中，获取最近浏览过视频的用户集合U。
2 针对集合U中的每个用户u:
2.1 从用户的行为日志中，获取该用户近期观看的视频集合M（u）；
2.2 访问视频相似矩阵，获取与M（u）相似的视频集合N（u）；
视频间的相似度采用修正后的余弦度计算公式 Sim(j,i)
公式中，Mu,i表示用户u对视频i的评分，Mu表示用户u对他所观看过视频的平均打分（相当于用户u的一个评分基准）
2.3 针对视频集合N（u）中的每个视频，计算用户偏好值；
2.4 依据用户偏好值，对N（u）的视频进行排序；
四 输出
1 取Top 6 个视频，为每个视频赋予解释，如‘与您观看过的视频类似的视频’
2 保存Top 6个视频到‘初始推荐结果’中；
