都是 KPI ，用户是互联网公司最不需要讨好的人，KPI 好了，数据好，向领导好汇报，至于用户嘛，什么是用户？？？谁管什么用户不用户的，升职加薪和用户有什么关系。

我买完冰箱送我 300 元冰箱券，^&^()+)+_+##%_)*_)+^%#$@@@$

说一下电商平台，现在的刷单已经涉及到干扰你算法分析的程度了，用户的操作行为都有一整套的流程要求，录屏了才给返现...

药店给你推销的药品都是利润高的

op 描述的这个问题在推荐领域有个专门的方向叫“互补商品推荐”。 我觉得造成这个现象的原因是多方面的，上面也提到了一些 1 、考核指标：#9 电商场景里推荐是以点击、成单、GMV 为考核目标，推荐权重更高的往往是高客单价的商品 2 、个体差异：#2 购买手机之后该推配件，购买衣服之后还是衣服 3 、场景局限：推荐场景的用户需求是不明的，所以会根据用户过往的行为来进行推荐 就算法层面上，增加一个“互补商品”召回源肯定是可行的，但是后续还要经过排序、规则等环节干预。尤其是排序往往会根据用户历史行为提取个性化兴趣，“千人千面”嘛，这对从来没看过的商品类型就很不友好。当然肯定也有很多办法保送到曝光。只是从目前的现状推测，这个方向可能是“理论很美，但现实很凄惨”。 搜广推会有严谨的 AB 环节来验证技术改进能不能带来订单的提升。可能对于大多数情况来讲，即使是已经买过手机的用户，继续看几眼手机也会有比较好的点击、成单表现。

我觉得是被刷单商家数据污染了，重复买同一类型商品的人只有刷单吧

推荐系统研发路过 哎、、要考虑的问题太多了，你这种 case 太多了，就比如楼上说的，你觉得不合理，但是你的冰箱如果换成化妆品、鞋、衣服之类的呢？什么，你说区分品类，这个星球上这么多品类，不能每个品类都单独配置一套推荐逻辑吧。 其实我有无数个日夜都在思考，我写这一堆傻逼推荐逻辑，处理浪费服务器资源浪费电，还有什么 jb 用吗，每年述职，我都 copy 前一年的述职，改改数字，跟领导汇报我们转化率又提升了 xxx ，成单量又提升 xxx ，又创造了 xxx GMV 。 但是扪心自问，这跟我写的算法有勾八关系吗，好像没有呀，之所以转化率数据变高了，那特么是因为满屏幕都是我推荐的数据，只要是还有个缝的地方，都给用户塞了个推荐进去，这特么转化能不高吗？ 实在转化还上不去怎么办？大胸大屁股的再多点，转化要多少有多少，控制这些精确操纵 KPI 数据。其实我无数次在思考，我写的这些勾八算法，明天全部下线了，似乎用户体验还能好点，似乎也完全不影响用户使用。 哎，我也没啥办法，还靠着这个混口饭吃

同感，目前推荐算法让我满意 的只有抖音和小红书，但是不能一直刷，不然推荐质量也是越来越差