对现如今的互联网行业来讲,投放海量的广告的营销模式已然非常落伍,数据与信息正悄然成为了各行业竞争的紧俏资源。本文意在讨论利用大数据分析的方式去对平台进行更精准的个性化推荐算法推荐形式的革新,让推荐更具说服力。本文述先采用了调研分析法,使用问卷调研法深入访谈法对用户的基本构成数据进行了一个大致的了解与简要的数据分析。同时发现了一些问题,包含用户画像的精度不太够,个性推荐的准确率相对较低,用户的满意度不够理想。结合当下实际业务环境去分析这些问题的原因,主要来自于目前F信息分类服务平台已掌握的用户行为数据并不是非常精确。主要是因为这些数据都来源于平台获取的内部数据,缺乏外部数据也是导致用户画像不精确的主要原因。其次是数据的获取途径相对单一,业务线数据埋点不够全面,导致噪声干扰数据较多。解决方式包括了对现有的数据库的补充,对各个业务线埋点的征集扩充,将外部数据补充入到基础数据库。其次通过对算法的提升,也可以有效地将噪声数据的干扰降低至最低水平,同时也可以去处理平台对数据的分析能力,去提升推荐的精度。希望以上方式可以解决目前F平台所面临的问题。降低运营成本,提高转化效率,是预期中一个好的个性化推荐系统可以为平台所提供的强力支持。本文将大数据和个性化推荐结合起来,综合应用到电子商务企业的营销方案上来,通过优化F平台个性化推荐策略,为企业带来更多的价值。