新用户和新物品没有历史行为，协同过滤无从下手，这就是冷启动。新用户不知道该推荐什么，新物品不知道推给谁，处理不好会形成马太效应，热门越热，新品永无出头之日。
新用户冷启动常用注册信息、设备、地域、首屏行为快速画像，再结合人群热门内容做过渡推荐。用少量交互快速试探兴趣，比一上来就推大而全的热门列表更有效。
新物品冷启动可以靠内容特征，比如文本、图像、类目，找到相似老物品借用其受众做初始曝光。同时给新物品一定探索流量，收集反馈后再进入正常排序。
探索与利用要平衡。一直推已知喜欢的，用户会腻；一直推全新的，又可能体验差。用 bandit 类方法或分阶段放量，能在可控风险下积累新数据。
