当下处于信息爆炸的时代，快速帮助用户从海量信息中找到其感兴趣的内容，是很多产品需要考虑的问题。训练机器算法进行推荐和运营编辑这两件事不是二元对立，两者可相互成就，经过运营编辑的推荐结果，可给用户带来更好的体验，实现更快的转化及更高的收益。
通过算法进行推荐时，如何通过规则配置干预推荐结果，是很多企业需要考虑的问题。达观智能推荐基于上千家客户的服务经验，融合对不同行业场景的深度理解，沉淀了物品固定展示、封禁、多样性等不同维度的运营规则，首次支持运营人员调控推荐结果，实现快速上线运营需求。下面将从不同维度介绍达观智能推荐中的运营规则。
运营人员想要在推荐结果中强推一些物品，放在什么位置效果最好？如何实现快速调整物品及其位置，以达到更好的用户体验，越来越成为运营人员的刚需。达观智能推荐基于这一需求，通过物品固定项展示，满足运营人员干预推荐结果，实现自由推荐物品。
物品固定展示有以下几个应用场景：
- 在物品数量较少时，经人工判断，将某些质量较高的物品通过固定展示推荐给用户，提升产品调性，吸引更多用户群；
- 在物品数量较多时，若想扩大实时热点新闻（如：总书记两会关键词：人民）的曝光量，可以通过固定展示强制推荐给用户；
- 在新物品冷启动阶段，经运营判断后的高质量物品通过固定展示规则强制曝光给用户，积累反馈数据，快速度过冷启动阶段；
- 从变现的角度来看，可以实现将广告内容插入推荐结果中，提升曝光促进转化。
在小说、资讯、电商等文本内容较多的场景下，客户可能对接多个内容管理平台，对字段内容进行编辑后就会触发一次新的上报，出现两篇内容完全一致的物品，推荐的唯一标识却不同，为了避免相同结果接连出现，达观依靠领先的自研文本处理技术实现文本分词，判断文本内容的相似度，可过滤内容完全一致的物品，优化推荐结果。
基于长时间对上百家客户的服务经验，发现标题相似度过滤的应用场景还有很多，如：
- 信息总量过大时，用户滑动速度往往很快，标题的相似度过高可能会造成不好的用户体验；
- 物品字段信息不全时，可能会影响内容去重或多样性原则，可借助文本分析不同内容间的相似度，过滤掉相似度过高的内容。
因此将标题相似过滤整合进产品中，助力编辑运营等不同角色的人员可视化设置标题最大相似度，超过数值的内容将会被自动过滤，提升用户体验。
个性化智能推荐算法可以精确计算出用户的偏好，用户越喜欢什么越推什么，也就是我们常说的「马太效应」。为了避免类似情况引入运营规则，在覆盖用户偏好的同时配置结果的多样性，以便及时捕捉用户偏好的变化。
适用物品多样性配置的场景很常见，如：
- 资讯场景下，编辑人员可从作者、标签、类别等不同维度对推荐结果进行打散，避免同一内容连续出现的情况；
- 电商场景下，运营人员可限制不同类目、标签或发布者的多样性粒度，实现推荐结果的多样性；
- 理财场景下，业务经理可以通过设置不同内容的比例，控制结果中不同内容的数量。
除此外，达观智能推荐还支持时效性控制、物品频次设置、标签规则匹配及自定义推荐集等。支持运营人员以无代码的形式可视化多维度干预推荐结果，提升推荐系统的自主操作性的同时兼顾用户体验，全面提升访问量、停留时长、新用户数、企业收益等核心业务指标。
目前达观智能推荐已经成功服务媒体、银行、广电、电商、金融、视频、社交等多个行业，涵盖陕西广电、浙江广电、江苏广电、深圳广电、东莞广电、招商银行、浦发银行、民生银行、江苏银行、宁波银行、浙江农信、中国移动、长虹、安利、人民网、四川日报、广而告之、澎湃、虎扑识货、英语趣配音、Wifi万能钥匙等近百家各行业龙头企业。
