问长尾效应与推荐系统的关系？

什么是长尾效应？

我这里尽量使用最简洁和最通俗易懂的表述来问答这个问题，因为我觉得在你提问之前应该已经搜索过了这个问题。所以专业化表述就无需在提了。其实长尾效应理解起来非常简单，这就好比一条鱼儿一样。有其头部和尾部，头部虽然肉多庞大，但头部的总质量上却往往低于尾部加起来总质量。但尾部的质量密度却没有头部的密度大。这就是长尾效应。而长尾效应往往用来解释现实生活中的商业理论。将所有非流行的市场累加起来就会形成一个比流行市场还大的市场。

来自互联网，你可以自己算一下面积

与推荐系统的关系是什么？

一定要加上关系的话，其实也非常理解，目前的推荐系统或者推荐算法，很难发现用户的隐性需求，也是目前推荐算法所追求的，目前而言，现在的推荐系统只能发现你的主观需求，比如你上B站搜索一个关键词后，你会发现，发现它会推荐很多与这个词相关的东西，但是却很难发现你目前不想知道，但心里却感兴趣的东西。所以这个是一个很大的攻克难点。但这并不是一个问题，随着深度学习，人工智能的发展，攻克下来，并不是非常困难。

长尾效应给推荐系统带来的影响有哪些？

可以把长尾效应看成是一种“目标”，而推荐系统的发展，个人认为就是朝向这个“目标”去发展的。总结下来就是长尾效应就是推荐系统的发展方向。个人理解，希望可以帮助到你。

我以用户的喜好来简单说说长尾效应。

我们知道，物种具有多样性特征。同样，用户的需求也是多样化的，每个用户都有不同的偏好。一般来讲，少部分需求（20%）可能是共性，单个需求的由于用户量较大，价值相对较高，很多业务或服务都会设法来满足这类单个需求。但可能有超过80%的需求，虽然喜欢每个需求的个体数不多，也就是满足单个需求的价值不太高，但如果设法满足各种个性化的需求，也会创造可观的市场价值。这80%的零散需求，就是长尾。举例而言：书籍的数量可能有过100万种，传统新华书店上架的都是那些热销书，大约10万种；然而，在当当与京东上，有超过50%的销量，却来而于这10万种热销以外的书籍。这10万种以外的书籍就是长尾。

长尾效应显然在互联网时代更有威力，且通过技术更容易满足。因而推荐系统中的“满足个性化需求“就有了发挥的余地。如何发现更多长尾的需求，更好的预测用户的喜好，在不同的时间片段，及时性等等，现在的推荐系统还有很大的提升空间。

长尾效应显然需要收集超大规模的数据量，使用多种维度，以更加精准地描绘出精细个性化需求才发挥更好的价值，这正在推荐系统所需要努力去达到的。长尾效应价值发现是推荐系统发展的目标。

长尾效应指那些原来不受到重视的销量小但种类多的产品或服务由于总量巨大，累积起来的总收益超过主流产品的现象。