基于用户偏好的建模，能够通过用户画像分析出用户的兴趣爱好、性别、职业、购买能力等信息，依据这些信息来进行相应的推荐。
正如之前所提到的多屏捕捉，不管是移动APP，还是微信，多屏所带来的是更加场景化的数据，例如在休息或者碎片时间中往往会通过移动终端进行购买，对这种场景化的数据收集能够进一步的丰富用户模型，使个性化推荐更加准确。
在地域上，同样能够获得许多有用的数据。在京东的数据建模中，将北京划分为多个网格，这样能够很好的知道，像三里屯的用户感兴趣的商品更多为酒类，学校周边更多集中在生活用品上。
除了上述的3种模型，京东还有多种根据数据所构建的模型，而这些模型也并不是各自为战的。基于分析技术，将多个模型融合在一起，才能使总体流量的价值最大化。显然，对于效果的优化，没有最好只有更好。在多种模型组合的基础上京东还加入了新的推荐排序，在原有的排序学习算法上，将排序问题转化为分类问题，这种调整使得分析结果又够得到了20%的提升。
还能更好吗?当然可以，在未来京东会将自己的DNN(深度学习)技术引入到推荐排序当中。要知道这项技术是被用于京东智能机器人上的，相信有这项技术的加入，在未来，京东首页上的猜你喜欢能够给你带来惊喜。