在書的“後記”部分，作者列出了Strand研究人員總結的“推薦系統十堂課”，總結了他們設計推薦系統的經驗和教訓。

1. 確定你真的需要推薦系統

　　個人評價：不是為了推薦而推薦，推薦只是手段，關鍵看用戶價值在哪裏，從用戶角度出發，真正能幫助用戶。

2. 確定商業目標和用戶滿意度之間的關系

3. 選擇合適的開發人員

　　一般來說，如果是一家大公司，應該雇用自己的開發人員來專門進行推薦系統的開發。

4. 忘記冷啟動問題

　　不斷的創新，互聯網上有任何你想要的數據。只要用戶喜歡你的產品，他們就不斷的貢獻新的數據。

　　個人評價：其實說的是，先把產品的用戶量提上去，有用戶了，自然好收集數據了。

5. 平衡數據和算法間的關系

　　有句話說得很好：數據分析決定了如何設計模型，而算法只是決定了最終如何優化模型。個人評價：看數據的過程不能忽略，選擇好的特征後即使用簡單算法也能達到好的結果，相反，有時候效果不好可能並不是模型的原因，而是特征選擇太離譜。

6. 找到相關的物品很容易，但是何時以何種方式將他們展現給用戶是困難的。不要為了推薦而推薦，要以用戶和商業目標為導向。

　　個人評價：什麽時候推薦？以什麽方式推薦？例如：系統頻繁地彈窗讓用戶反感，即便彈窗的內容真的是用戶可能消費的內容。

7. 不要浪費時間計算相似性去的用戶，可以直接利用社會網絡的資源。

　　個人評價：就是UserCF和利用社交網絡的算法的關系。個人覺得，充分利用資源，盡量利用已有的數據（例如：社交網絡的用戶關系），而不是計算新的數據（UserCF的用戶關系）。

8. 需要不斷地提升算法的擴展性。

9. 選擇合適的用戶反饋方式。

10. 設計合理的評測系統，時刻關註推薦系統各方面的性能。

推薦系統實踐（項亮）— 後記