1、 量化用户偏好
首先将用户分类，设定用户对于产品“喜爱”的标准，比如一天浏览产品5次，计算不同分类用户“喜爱”不同产品的人数。
例如：
| 分类 |
A类用户 |
B类用户 |
| 产品1 |
10 |
40 |
| 产品2 |
40 |
10 |
用户偏好指某类用户更偏好某产品，例如表中A类用户更偏好产品2，因此用户分类必须存在。
2、 评价用户偏好
实际情况中，不同分类用户之间偏好差异不会非常大，因此单凭感觉判断不合理，可以使用统计学中的而独立性检验。
3、 独立性检验
原理是两个相互独立的事件同时发生的概率等于两个事件单独发生概率的乘积。
独立性检验的原假设是两个变量独立，通常认为P值<0.05，即可拒绝原假设，认为两个变量有关系。
4、 存在问题
用户的偏好并不是固定不变的，过去的数据分析参考意义有限。如果是简单方式定义的偏好标准，很容易受到其他原因的影响。
例如，定义偏好的标准为购买行为，可是购买很可能受到价格、口碑、品牌等因素影响，一个促销活动就会推翻之前的分析结论。
