智能推荐在架构设计上极具可扩展性，下面的案例是通过细分场景功能提升推荐效果

背景介绍 内容型社区电商希望通过智能推荐AIRec实现用户群运营

客户A是内容型社区电商，通过内容吸引用户，在用户浏览内容过程中推荐商品。在这种业务场景下，客户A挖掘自己的用户群特征，希望智能推荐能比较针对性的按用户群去推荐。比如母婴人群、女性职场新人、资深职场男性等。

购买并配置阿里云智能推荐AIRec实例

1. 按照业务需求(推荐请求QPS、用户数、物品数)购买相关规格的实例；

2. 配置实例行业选择内容型，因为客户A需要通过内容来实现导购。客户A关注用户表和行为表中的scene_id字段，因为要用该字段来标注该场景下要推荐的物品和该场景下用户的历史行为。场景选择猜你喜欢。配置三张表的数据源。导入数据，全量数据管理中查看数据质量和报表后，符合自己了解到的数据情况和业务指标。过了1-2个小时，实例的状态已经是运行中了。

开发推荐请求接口

在推荐请求的server端接口开发中，选择Java SDK。对自己要管理的人群信息以scene_id的方式来告诉智能推荐AIRec，这次请求来自哪一类人群，应该为其推荐哪些约束下的物品。在推送实时数据的接口中，把前端收集到用户行为附带上scene_id信息通过的API推送给智能推荐AIRec，这些实时行为将被智能推荐AIRec增加到其模型的实时训练中，来保障该用户下面的请求中的推荐效果。

通过这种方式，客户A方便地使用智能推荐AIRec的扩展功能scene_id实现了自己的人群精准管理需求。