微觀上甚带，沒有唯一答案才是推薦系統(tǒng)唯一的答案
在相當長的一段時間里泻拦，百度搜索的pm們有一項基本功就是搜索結(jié)果滿意度的評估谎僻。搜索的結(jié)果是固定集合，每個query的結(jié)果千人一面膛锭。每個PM都有上帝能力粮坞，在不看用戶行為的時候能大體判斷出哪個是更好的結(jié)果。
從搜索切換到推薦初狰，從固定query（一個詞）切換到了富含上下文的模糊query（時間莫杈、地點、人物偏好奢入、閱讀歷史筝闹、網(wǎng)絡環(huán)境），也就從千人一面唯一答案 切換至了千人千面的多元答案腥光。
例子：
在霧霾當?shù)赖沫h(huán)境里关顷，給關(guān)心親子內(nèi)容的用戶推薦怎樣的內(nèi)容是好的？
是霧霾口罩武福，還是英語教育议双？
主觀判斷是霧霾口罩吧（這正是傳統(tǒng)網(wǎng)站編輯的選擇）。但是細拆一下就會發(fā)現(xiàn)捉片，坐標在云南平痰、西藏的人，他們是將霧霾當社會問題來看的界睁，而不是親子健康問題來看的觉增。他們不那么關(guān)心霧霾口罩、空氣凈化器的選購翻斟。
進一步逾礁，推薦給身在北京的家長可好？細拆一下還是有問題访惜，如果一個用戶已經(jīng)看了足夠多的霧霾相關(guān)內(nèi)容嘹履，他還會不會看更多的同類內(nèi)容呢？新的內(nèi)容是換個角度論述债热，還是包含更多的信息砾嫉？
一連串的拆分做下來，你會發(fā)現(xiàn)在千人千面的場景下窒篱，主觀判斷頹然無力焕刮。你也許還有能力判斷什么是極差的舶沿，但很難判斷什么是更好的。
放下了主觀預判配并，接受每個用戶的個體差異性括荡，才能夠更好的通過后驗數(shù)據(jù)來驗證自己的想法，把提案權(quán)留給自己溉旋，把決定權(quán)交給用戶畸冲。讓每一個策略、規(guī)則观腊、產(chǎn)品形態(tài)邑闲、交互方式，都成為經(jīng)過已有用戶群體檢驗的合格品梧油。
宏觀上苫耸，圍繞滿意度和留存優(yōu)化，才能更可持續(xù)的發(fā)展婶溯。
在微觀上放棄了主觀臆斷鲸阔，才能夠在宏觀上，在統(tǒng)計數(shù)據(jù)和產(chǎn)品方向上去設定目標迄委，產(chǎn)出方案褐筛，檢驗效果。
常見的指標如點擊率叙身，多樣性等不用多說渔扎，是最敏感且易測的指標。但推薦產(chǎn)品經(jīng)理需要跳脫局部指標的KPI導向信轿，站在整個產(chǎn)品來看：只有用戶（無論是C端還是B端）滿意度【反饋晃痴、問卷】 和 留存指標，才是可持續(xù)發(fā)展的根本财忽。
以視頻為例倘核，如果為了湊VV，可以做自動播放即彪、可以偏向于推薦較短的內(nèi)容紧唱、可以推高熱的內(nèi)容、可以不做興趣探索等等隶校，常見的指標不一定 甚至說 一定不會下降漏益。但這樣，從長期來看喪失了更好的發(fā)現(xiàn)C端新需求的機會深胳，也對B端作者的分發(fā)不夠友好绰疤。這種變化也會慢慢體現(xiàn)在C端或B端的留存指標上。
圍繞敏感指標做優(yōu)化的時候舞终，你不僅需要是一個用戶【站在如新用戶轻庆、老用戶的角度來考慮】癣猾，還需要是一個自媒體【站在我是一個自媒體，這個新策略對我的內(nèi)容分發(fā)量有什么影響】余爆，換位思考滿意度煎谍，從而預估這個操作是否會對留存產(chǎn)生影響。
舉個例子龙屉，在打擊某類內(nèi)容的時候，最直觀想到的是全局指標满俗。一個數(shù)填進報表里转捕，從多少降低到多少，這個雙月的OKR就達成了唆垃。
但是這個指標是否會出現(xiàn)某個用戶身上出現(xiàn)密集五芝？造成用戶個體的體驗變差？那就需要引入用戶個體指標辕万，在用戶層增加強規(guī)則打散枢步；
解決了全局指標和個體指標，那是否會存在某個內(nèi)容漏網(wǎng)獲得極大的展示量渐尿，從而引發(fā)B端的破窗效應醉途？那就接著要引入內(nèi)容個體指標，確保這樣的內(nèi)容不會有太高的展示量砖茸。
把平臺隘擎、C端、B端都想一遍凉夯，得出的產(chǎn)品才不會偏得太遠货葬。
操作性：將方向量化成指標，PK指標重要度劲够，指導解決方案選取
我現(xiàn)在在做粉絲方向的震桶，我很痛苦。
因為對于粉絲的內(nèi)容進行強Boost征绎，是一個很明確有損點擊蹲姐、有損停留時長的事情，甚至于僅從C端用戶的閱讀需求上來說炒瘸，幾乎沒有什么正收益淤堵。
那，為什么還要做顷扩？
- 可能刺激C端做更多的互動拐邪，享受更多內(nèi)容之外的服務。
- 幫助B端更好的變現(xiàn)隘截，從而增強B端的留存扎阶。
點擊汹胃、停留時長都是看得見的數(shù)字。
為了推進粉絲向的事情东臀，就必須補充可量化的B端指標如跟其他平臺發(fā)文量的對齊着饥，回復粉絲評論的情況，C端指標如外鏈點擊率惰赋、粉絲互動率等等宰掉。
指標間可能是沖突的，進一步PK指標的重要程度赁濒，達成一個為了實現(xiàn)指標A可以損失百分之幾指標B的折衷轨奄，從而在此范圍內(nèi)進行迭代。
