本篇作者在基于消费场景下讲解承接，利用反例来进行论述，让我们一起来看看吧~

从反例说起，一般年轻女性，通过女装创意进入landing page。是否应该向用户推荐香肠？听起来很诡异的逻辑，在我优化之前却是普遍现象。可能有些技术团队的习惯是把所有的维度丢到算法中，让系统自动得出给每个用户的最佳结果。

在理想情况下，数据量足够大就没问题，但遗憾的是无论业务规模多大，任何一个用户自己的数据，很大概率还是稀缺的。所以我们必须要谨慎观察结果是否符合业务逻辑。如果技术解决不了，尝试从商业逻辑思考。

这个例子中，当单人的行为数据稀缺时，可以采用群体性行为的统计数据。那么用户更多看到的都是女性时尚产品。根据我的数据分析，用户的行为在短期内非常具有惯性。如果她浏览女性服装、首饰、鞋包等产品，在数小时内的行为仍然非常集中，口径越小越集中，甚至超过95%。其他行为的集中度，我暂时卖个关子。其他类目也有相似的结论，这是符合常识的。

经过我的改造，用最最粗略的方式做pilot，时尚类目AB测试结果转化率相对最少提升了8%，非大促阶段甚至可以到13%。属于非常恐怖的提升，因为还可以无限迭代优化。可能其他团队甚至你的老板会挑战你：“用户前天10am 对香肠产生了购买兴趣，今天下午3pm点击了服装，为什么不能推香肠呢？”。

我的回答是：就算我允许商场知道我一切行为数据，当我进入一个服装店，店员问我要不要来点香肠，我会觉得很懵。结合之前章节内容，可以总结出，跨人群、跨场景的内容都不符合人性。