無論是基于內(nèi)容過濾（Content-Based filtering ）、基于協(xié)同過濾（ Collaborative filtering ）的個性化推薦技術(shù)，基于互聯(lián)網(wǎng)的個性化推薦基本上仍是基于用戶行為歷史（購買行為、點(diǎn)擊行為、珍藏行為、點(diǎn)評行為等）+當(dāng)前內(nèi)容場景（例如正在瀏覽的圖書、正在交流的SNS摯友等）來進(jìn)行上下文推薦的，可以說互聯(lián)網(wǎng)個性化推薦主要仍是偏重于線上服務(wù)本身的，對于用戶的位置因素以及相關(guān)的因素并沒有太多的考慮。

對于移動互聯(lián)網(wǎng)應(yīng)用而言，除了傳統(tǒng)互聯(lián)網(wǎng)所積累的海量信息、各種豐碩應(yīng)用可供使用外，移動互聯(lián)網(wǎng)本身也出產(chǎn)了海量的內(nèi)容和應(yīng)用，怎樣正確識別用戶的喜好并在此基礎(chǔ)上向用戶推薦最相關(guān)的產(chǎn)品、服務(wù)、信息是解決所謂“信息超載”題目的有效手段之一。

與基于互聯(lián)網(wǎng)的個性化推薦比擬，基于位置服務(wù)的個性化推薦好像更有意思。基于位置服務(wù)的個性化推薦之所以與基于互聯(lián)網(wǎng)的個性化推薦有所差異，除了位置因素外，還包括時間因素、人的因素，按照1H5W的框架來梳理一下基于位置服務(wù)的個性化推薦會發(fā)現(xiàn)，引入位置因素、人的因素、時間因素后，個性化推薦會泛起良多有趣的應(yīng)用場景，最為重要的是莫過于線上服務(wù)與線下傳統(tǒng)服務(wù)的結(jié)合與互動。

可以說基于位置服務(wù)的個性化推薦比傳統(tǒng)互聯(lián)網(wǎng)的個性化推薦對于推薦引擎的技術(shù)要求更高。

與傳統(tǒng)互聯(lián)網(wǎng)的個性化推薦主要局限于各大網(wǎng)站站內(nèi)內(nèi)容相對比，影響移動互聯(lián)網(wǎng)個性化推薦另外一個重要因素是平臺開放性。假如說位置服務(wù)是移動互聯(lián)網(wǎng)的殺手級應(yīng)用的話，那么基于位置服務(wù)的個性化推薦必定是其中最核心的技術(shù)之一。對于移動互聯(lián)網(wǎng)本身因?yàn)橛袀鹘y(tǒng)互聯(lián)網(wǎng)所積累的各種豐碩應(yīng)用可供使用，在面對傳統(tǒng)互聯(lián)網(wǎng)巨頭們先天的上風(fēng)，移動互聯(lián)網(wǎng)時代的個性化推薦不應(yīng)當(dāng)只是固步自封，應(yīng)當(dāng)采取更開放的心態(tài)，不要指望在移動互聯(lián)網(wǎng)時代重新構(gòu)建一個全新的平臺，讓用戶完整地黏在上面，應(yīng)當(dāng)整適用戶在互聯(lián)網(wǎng)上所使用的各種已有應(yīng)用和用戶數(shù)據(jù)來作為推薦的基礎(chǔ)。當(dāng)然有很大一部門要依靠于傳統(tǒng)互聯(lián)網(wǎng)巨頭們的開放性，但開放是互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的精神所在和必定趨勢。