对用户而言，对推荐结果的预期、反馈的时间、推荐物品更新的频率、系统容错机制等，都会直接影响用户体验。因此在系统层面，一个优秀的推荐系统需具备但不限于：
§强大抵御并处理噪声数据（例如..产生的无效数据）的能力
§高效数据计算及传输能力
§稳定的存储机制
§算法的精准性
1.3不断完善与优化
就像人一样，只有不断的学习，才能完善自身的知识体系以及对世界的认知，系统亦然。
好的推荐系统一定具备自我学习的能力，通过建立反馈机制和用户进行交互，从而不断优化对用户群体的认知，最终能实现对用户群体的精准聚类，为每类群体建立模型，物品精准投放。
1.4让用户信服的推荐理由
好的推荐系统势必会让用户产生强烈的信任与依赖感，给用户提供物品推荐的依据——推荐理由。
推荐理由可以体现出系统是如何判断物品进入用户的兴趣范围的。常用的推荐理由大概分为以下四类：
§热门商品；推荐系统通常都会赋予部分热门商品一定的权重，由于感兴趣的人基数非常大，所以系统判断目标用户感兴趣的概率也较大
§目标用户的好友同时也喜欢此类物品
§喜欢某类物品的用户同时也喜欢这类物品
§与某类物品内容有极大的关联性；这里关联性可以逐步细化，比如基于知识体系的推荐，即不同领域的匹配，或同一领域的梯度匹配等
1.5实现双赢
好的推荐系统不仅能让用户找到目标物品，也能让商家发现目标/潜在的用户群体，实现共赢。
2.什么是好的推荐系统——产品视角
推荐系统都会有一个明确的目的，无论是为了突破技术壁垒还是基于商业目的，最终都会根据目标，通过特定的用户行为数据来判断成功与否。
比如对于电商..，用户关注、点赞、收藏、加入购物车等操作，都可以在一定程度上衡量推荐结果的精准性，但并未达到此系统的最终目标——支付。
