豆瓣电台听了41000多首歌，猜中喜欢的概率不算高，但通过电台发现了很多歌曲，这也体现推荐系统要平衡多样性和精准度。不像我之前吐槽的那样，依赖于播放已喜欢的歌曲，有了精准度，但是多样化不够。比较同类产品虾米，以播放热门歌曲为主，选择的成本较大，推荐长尾歌曲的力度较低。
对于内容的喜欢是会随着时间和心情改变的，早期我会倾向于热门内容，在手机端听红心频道时会选择某些歌曲不再播放，最近红心频道听烦了，私人兆赫中推荐的歌曲比较相似，换个口味改听爵士或其他用户编辑的专辑。
电台在不断增加频道（也就是兆赫）、”专家用户“制作的专辑和风格，谨慎地为用户提供多维度的推荐，而风格中歌曲也是根据用户的选择生成。
电台以后台播放为主，没有歌曲的相关描述，需要用户浏览推荐的界面中需要增加可信赖的推荐理由，比如评分、基于某个好友的推荐或者简短的评语，视觉上的优先级甚至要高于内容本身的属性。个人以为食神摇摇的推荐理由文案还够好，对于这样以推荐为核心的产品，文案的视觉不够突出。
在电台出现之前，豆瓣已经有了音乐评分等用户反馈，用户提交更多的反馈，系统才有可能算出用户的喜欢。反馈可以是喜欢，也可以是商品的购买或、页面停留时间和视频的观看时长。一方面界面需要分析用户行为，另一方面界面本身要有利于用户反馈。手机版大众点评的界面中提交反馈的操作成本很高，需要评分和写几十字的评语，很不利用系统的推荐，所以界面中信息量较大，不利于快速选择。
推荐系统需要内容品质一致，否则用户反馈和内容对应关系不一致。早些时间豆瓣电台中有演唱会版本的歌曲，声音非常噪杂，最近没有再出现过，可能淘汰了低质量内容或者内容获得推荐的概率已经大幅降低。内容质量、呈现方式、界面布局和交互都可能影响用户的选择。
推荐系统的可以提高粘度和提升关键系指标，交互上可以减少操作成本，比如降低用户搜索、查找步骤和界面之间的跳转次数，界面架构中可利用推荐来避免产品的同质化。