本文由百分點信息無線業(yè)務部高級總監(jiān)李曉東、Talking Data COO徐懿以及成都電子科大的龔亮聯(lián)合撰寫。

通過手機閱讀、手機音樂上的用戶行為，我們可以看到手機大數(shù)據(jù)在移動互聯(lián)網(wǎng)應用上的威力，但同時，手機上的大數(shù)據(jù)也不是萬能的，它的發(fā)展還面臨著很多實際的問題和挑戰(zhàn)。

數(shù)據(jù)的稀疏性

智能手機端的App應用數(shù)以十萬計，但是每個應用中兩個用戶之間選擇的重疊非常少，如果用用戶和商品之間已有的選擇關(guān)系占所有可能存在的選擇關(guān)系的比例來衡量系統(tǒng)的稀疏性，在我們研究的幾個App數(shù)據(jù)中，稀疏度均不超過4%，其實這些其實都是非常密的數(shù)據(jù)。想想一個具有千萬級用戶，百萬級歌手的App，平均而言一個用戶能聽100首歌嗎，估計不能，所以稀疏度應該在萬分之一或以下的量級。

這個問題本質(zhì)上是無法完全克服的，但是有很多辦法，可以在相當程度上緩解這個問題。比如擴散方法、隨機缺省值方法、隨機選擇等.

冷啟動問題

在我們前面討論的音樂APP中，我們發(fā)現(xiàn)歌曲的覆蓋只有2%左右，這個是由于大量歌曲出于冷啟動狀態(tài)造成的。這是因為新商品由于被選擇次數(shù)很少或沒有，難以找到合適的辦法推薦給用戶結(jié)論。

最近一個有趣的研究顯示，新用戶更容易選擇特別流行的商品—這無論如何是一個好消息，說明使用熱歌榜也能獲得不錯的結(jié)果。

大數(shù)據(jù)處理與增量計算問題

盡管數(shù)據(jù)很稀疏，大部分數(shù)據(jù)都包含百千萬計的用戶，與此同時新用戶不停進入系統(tǒng)。數(shù)據(jù)量不僅大，而且數(shù)據(jù)本身還時時動態(tài)變化，如何快速高效處理這些數(shù)據(jù)成為迫在眉睫的問題。在這個大前提下，算法時間和空間的復雜性，尤其是前者，獲得了空前重視。一般而言，一個高效的算法，要么自身復雜性很低，要么能夠很好并行化，要么兩者兼具。

隨著加入的信息量的增多，最終每過一段時間還是需要利用全局數(shù)據(jù)重新進行計算。更先進但也更苦難的辦法，是設計出一種算法，能夠保證其誤差不會累積，也就是說其結(jié)果與利用全部數(shù)據(jù)重新計算的結(jié)果之間的差異不會單調(diào)上升。

用戶行為模式的挖掘和利用

深入挖掘用戶的行為模式能更準確的抓住用戶喜好，從而有希望做出更好的用戶體驗。譬如說在音樂APP中，新用戶和老用戶具有很不一樣的選擇模式：一般而言，新用戶傾向于選擇熱門的歌曲，而老用戶對歌曲的多樣性關(guān)注更多。

用戶行為的時空統(tǒng)計特性也可以用于提高者設計針對特定場景的應用。舉個例子，在進行手機個性化閱讀推薦的時候，如果曾經(jīng)的數(shù)據(jù)顯示某個用戶只在7點到8點之間有一個小時左右的手機閱讀行為（可能是上班時在地鐵或者公交車上），那么9點鐘發(fā)送一個電子書閱讀的短信廣告就是很不明智的選擇。從含時數(shù)據(jù)中還可以分析出影響用戶選擇的長期和短期的興趣，通過將這兩種效應分離出來，可以明顯提高推薦的精確度。