無論是基于內容過濾（Content-Based filtering ）、基于協同過濾（ Collaborative filtering ）的個性化推薦技術，基于互聯網的個性化推薦基本上仍是基于用戶行為歷史（購買行為、點擊行為、珍藏行為、點評行為等）+當前內容場景（例如正在瀏覽的圖書、正在交流的SNS摯友等）來進行上下文推薦的，可以說互聯網個性化推薦主要仍是偏重于線上服務本身的，對于用戶的位置因素以及相關的因素并沒有太多的考慮。

對于移動互聯網應用而言，除了傳統互聯網所積累的海量信息、各種豐碩應用可供使用外，移動互聯網本身也出產了海量的內容和應用，怎樣正確識別用戶的喜好并在此基礎上向用戶推薦最相關的產品、服務、信息是解決所謂“信息超載”題目的有效手段之一。

與基于互聯網的個性化推薦比擬，基于位置服務的個性化推薦好像更有意思?；谖恢梅盏膫€性化推薦之所以與基于互聯網的個性化推薦有所差異，除了位置因素外，還包括時間因素、人的因素，按照1H5W的框架來梳理一下基于位置服務的個性化推薦會發現，引入位置因素、人的因素、時間因素后，個性化推薦會泛起良多有趣的應用場景，最為重要的是莫過于線上服務與線下傳統服務的結合與互動。

可以說基于位置服務的個性化推薦比傳統互聯網的個性化推薦對于推薦引擎的技術要求更高。

與傳統互聯網的個性化推薦主要局限于各大網站站內內容相對比，影響移動互聯網個性化推薦另外一個重要因素是平臺開放性。假如說位置服務是移動互聯網的殺手級應用的話，那么基于位置服務的個性化推薦必定是其中最核心的技術之一。對于移動互聯網本身因為有傳統互聯網所積累的各種豐碩應用可供使用，在面對傳統互聯網巨頭們先天的上風，移動互聯網時代的個性化推薦不應當只是固步自封，應當采取更開放的心態，不要指望在移動互聯網時代重新構建一個全新的平臺，讓用戶完整地黏在上面，應當整適用戶在互聯網上所使用的各種已有應用和用戶數據來作為推薦的基礎。當然有很大一部門要依靠于傳統互聯網巨頭們的開放性，但開放是互聯網、移動互聯網的精神所在和必定趨勢。