您可以使用某种距离度量。

例如，您确定与目标用户距离最小的三个用户，并从每个用户中提出一个项目，或者从最近的用户中提出三个项目，无论哪个最适合您的用例

我猜您已经使用集群将用户聚集在一起。也许将产品聚类与用户聚类结合使用可以给你带来好的结果？

在不了解您的模型和数据的背景的情况下，在我看来，您似乎解决了错误的问题。

您当前的推荐器解决了“哪个客户与此客户相似？”，因此它向您推荐了一个客户。

你想要的是“这个客户会喜欢哪种产品？” 所以它推荐产品。

例如，使用关联规则等，您应该根据客户属性预测喜欢的产品，而不是对客户进行聚类。这将始终创建更好和更强的推荐，因为您确定了客户属性和首选产品之间的真正联系。

然而

鉴于所有工作已经完成，你仍然可以做一些事情。如果您同意您的域的以下假设“所有相似客户都喜欢相似产品”，我将继续以下路径：

1. 您当前的推荐人基本上创建了客户集群 --> 输出是集群 A，客户 A 最适合的一组客户

2. 创建一个模型，为集群 A 输出最喜欢/最购买的产品 --> 输出是产品列表 A，一组按指标排名的产品

3. 检查产品列表 A 中客户 A 尚未购买的产品 --> 输出是产品列表 B，一组产品推荐给客户 A，按指标排序

一种选择是关联规则学习，它试图根据项目的共现来找到相关用户。