本文向您介绍如何通过控制台中的实验，调整召回链路实验规则，进而适配行业的业务特征，达到最优的推荐效果。
一、什么是用户偏好二阶传导算法
用户偏好二阶传导算法是阿里内部演进出来，针对特定物品特征的召回链路。可以让产品运营同学，依据自己的业务特征，更好的对推荐结果进行一定程度的干预。其中X表示的是物品特征：当用户对某一个item产品点击，购买等正向行为后，这一路召回负责产出具体该特征的item作为下一次推荐结果。
目前用户偏好二阶传导算法包含了category（类目），brand（品牌），shop（店铺），tags（标签）。如果后续需要对更多的特征进行干预，请联系技术研发同学。
二、如何调整
举例说明，在某一个特定的业务场景下，业务同学判断店铺这一特征非常重要，用户点过某一个店铺的商品后，后续对同店铺的其它商品更容易产生点击行为，需要在推荐系统中加以调整。调整步骤如下：
1、商品基础信息完善相关特征
通过推荐基础数据Java SDK 使用方法，完善离线item表中的店铺字段。电商行业。
2、实时行为数据更新
当用户在浏览“推荐”页面的过程中，将发生多种行为，如曝光、点击、加购等。
当用户触发行为后，需要通过服务端SDK接口/通过友盟APP版SDK上报的形式同步到智能推荐系统。
3、在实验平台调整对应的召回顺序调整用户偏好二阶传导算法内部链路顺序
调整用户偏好二阶传导算法内部链路顺序：
如果只是希望轻微干预，只需要调整用户偏好二阶传导算法内部召回链路顺序即可。
调整用户偏好二阶传导算法外部链路顺序：
如果希望重度干预，需要在外部将用户偏好二阶传导算法整体前移。
4、测试效果
可以在线上实际测试效果，点击店铺A的商品，刷新推荐页面，检查下一次推荐结果是否包含店铺A的其它商品。