hello洲赵，大家好鸳惯，我是蛋蛋。最近一直在做一款海外直播產(chǎn)品的列表排序叠萍，期間遇到一些問題芝发，也找到了一些解決方法，簡單總結(jié)一下苛谷，方便自己review也跟大家分享下辅鲸。

為什么要做排序？

目前移動端直播對于直播內(nèi)容的展示大都采用大圖列表的形式腹殿，如下圖所示映客的首頁熱門列表独悴，

個人認為這種展現(xiàn)形式在移動端不是最合適的，但是在對用戶口味很難把握的情況下锣尉，采用傳統(tǒng)的列表展示刻炒，讓用戶自己去挑選還是可取的。因此當用戶打開app看到的直播列表就顯得格外重要自沧，這直接關(guān)系到用戶是否會繼續(xù)下面的操作坟奥。因此，在列表做直播內(nèi)容的排序就十分必要了拇厢。

排序中遇到的問題和解決思路

在我們的直播app上線前期爱谁，列表的直播內(nèi)容是很有限的，這個時候孝偎，列表排序所要解決的核心問題是：

把最好的直播間優(yōu)先讓用戶看到

如何定義直播間好壞

因此访敌，在這個階段要想的反而簡單，其實就是如何辨別一個直播間好壞的問題邪媳，我們在排序時把好的直播間放在較前的位置就好了捐顷，這就是我們經(jīng)常看到的熱門列表雨效，對于熱門的定義就是平臺對于好直播間的定義迅涮。

那問題就回到如何判斷一個直播間的好壞，對于直播間的好壞判斷有很多維度徽龟，很自然的想到叮姑，直播間人氣，直播間營收等等。這個要與產(chǎn)品的本身定位和所處的階段聯(lián)系起來制定传透。因為我們的產(chǎn)品剛剛處于起步階段耘沼，希望用戶能夠更多留在直播間里，同時我們對產(chǎn)品的定位是促進用戶和主播之間的互動（公屏文字消息）朱盐，因此當時我們制定的房間好壞的標準就兩條

• 能不能留住用戶（用戶是否愿意一直觀看）
• 能不能讓用戶聊起來（用戶是否愿意發(fā)送公屏消息）

決定直播間好壞的因素選擇

有了這個標準之后群嗤，我們看重的主要房間因素是：人數(shù)、x分鐘留存兵琳、人均公屏消息數(shù)狂秘、公屏消息率。下面簡單介紹下這幾個因素計算（每隔時間t進行計算）

• 人數(shù)躯肌，實時計算房間的人數(shù)者春。

• x分鐘留存，x可以選擇3分鐘清女，或者5分鐘钱烟，其實和跳出率類似，以5分鐘留存為例嫡丙，定義為拴袭，在一個5分鐘的時間段內(nèi)，前面兩分鐘進來的用戶記為m曙博，在5分鐘時間段過后（3分鐘后）稻扬，依然在直播間的用戶記為n，則5分鐘留存r為

  
  
• 人均公屏消息數(shù)羊瘩，考察用戶在直播間內(nèi)是否愿意和主播互動泰佳，禮物的門檻比較高，因此用公屏來判斷較為合適尘吗，人均公屏數(shù)的定義為逝她，發(fā)言的總條數(shù)/發(fā)言的總?cè)藬?shù)。
• 公屏消息率睬捶， 如果只考察人均公屏消息數(shù)黔宛，只能反映發(fā)言的人和主播互動的強度，同時還有就是互動的廣度擒贸，即公屏消息率臀晃，定義為，發(fā)言的人數(shù)/房間的總?cè)藬?shù)介劫。

綜合房間因素得到排序值

有了上述因素定義之后徽惋，問題就變成了如何將這些因素綜合在一起變?yōu)橐粋€值來反應(yīng)直播間的好壞，這個值也就是排序所要用到的排序值座韵。將多個不同維度（不同單位）的因素綜合到一起的方式有很多险绘，比較常用和簡單的就是普通線性加權(quán)踢京。將多個因素歸一化之后，每個因素配一個權(quán)值然后線性加到一起宦棺，如下樣式

值得一說的是瓣距，不同因素的歸一化方法，也有很多種代咸，本人比較推崇的是從產(chǎn)品業(yè)務(wù)角度出發(fā)去進行非線性的歸一化蹈丸，我們可以將不同因素都劃分到0到1分之間，譬如人數(shù)呐芥，那么從業(yè)務(wù)角度去定義的話白华，當人較少時，譬如少于10人贩耐，定義為0.1分，當人數(shù)上漲較快時厦取，這個時候給的分數(shù)也較高潮太，比如11到20人，0.3分虾攻，當人數(shù)特別多的時候铡买，這個時候房間的人數(shù)已經(jīng)不那么重要了，可以將過高的定義為0.9分霎箍，當再多時奇钞，甚至可以將分數(shù)降低，給予一定的懲罰漂坏，從而一定程度避免馬太效應(yīng)景埃。因此因素的歸一化如果純按照數(shù)學上提供的方法可能不太符合業(yè)務(wù)的實際情況。

同時在計算參數(shù)的過程中顶别，還得注意的問題是谷徙，在計算一些比例項時，譬如留存項驯绎，就會出現(xiàn)一個問題完慧，當分母過小時，可能就1個人在直播間剩失，然后幾分鐘后還沒走屈尼，那么此時留存就是100%。對于這種問題的處理有很多種拴孤，有的是直接在分母中加一個常量脾歧，或者定義一個統(tǒng)計比例數(shù)據(jù)分母的最小閾值。

上線后如何衡量排序算法及權(quán)值參數(shù)調(diào)節(jié)

按照上述的排序算法演熟，我們給定一個初步的權(quán)值之后基本就可以灰度（甚至直接上線）了涨椒。好像貌似可以解決列表排序的需求了。這時候需要想起的是

沒有數(shù)據(jù)優(yōu)化目標的產(chǎn)品需求都是耍流氓

其實就是如何衡量我們做的這些有沒有用，不然調(diào)節(jié)參數(shù)蚕冬，增加排序因素維度都是沒有任何意義的免猾。其實列表和現(xiàn)實生活中的商店的商品櫥窗基本起著同樣的作用，展示給用戶囤热，吸引用戶購買（進入觀看）猎提。一個好的櫥窗展示應(yīng)該是，當用戶看到商品就會去買旁蔼，所以一個好的列表就是讓用戶看到就去點锨苏，然后還一直觀看，不停在里面和主播勾搭聊騷棺聊。從成本和收益的角度來看伞租，列表上的任何主播直播間的曝光，都是我們的成本限佩，因為用戶（流量）是有成本的葵诈，我們的收益應(yīng)該就是我們所看重的點擊，觀看時長祟同，公屏消息數(shù)等作喘。因此我們對于衡量指標的定義就是

• 直播間點擊量/列表曝光量
• 直播間人均觀看時長/列表曝光量
• 直播間消息總數(shù)/列表曝光量
• ...

在不同階段產(chǎn)品的側(cè)重點也有可能不同，在不同的側(cè)重點晕城，就應(yīng)該著重關(guān)注某一個指標泞坦，當然也可以將上述衡量指標綜合成一個總的kpi。有了這個之后砖顷，我們調(diào)節(jié)參數(shù)贰锁，就可以通過這些指標來判斷調(diào)整的好壞，從而決定某一組參數(shù)要不要上線滤蝠。

總結(jié)

上述的整個列表的排序思路比較基礎(chǔ)和簡單李根，但基本搭建了一個排序系統(tǒng)的基本框架，后續(xù)的優(yōu)化基本都可在這個框架上進行几睛，比如增加排序歷史因素的考慮房轿，運營因素的考慮等∷或者將線性加權(quán)模型改成非線性的囱持，增加時間因素等等各種約束條件等。但是本質(zhì)上都是在做一件事焕济，也是文章最前面提到的“把最好的直播間優(yōu)先讓用戶看到”纷妆。

當然列表除了承載內(nèi)容的展示外，還擔負著用戶流量的引導晴弃，當產(chǎn)品用戶量成長到一定規(guī)模后掩幢，本文所提的算法就會遇到一個很大的麻煩逊拍，頭部集中，就會遇到一些問題际邻，比如芯丧，把什么用戶給到什么樣的主播，如何合理流量分配世曾，如何個性推薦缨恒。這些就放在以后的文章里總結(jié)了。

后記

其實列表的排序問題轮听，由來已久骗露，所有的內(nèi)容型平臺都會涉及到這個問題，新聞網(wǎng)站熱門血巍，社區(qū)應(yīng)用的帖子排序萧锉，電商網(wǎng)站的商品，簡書首頁的文章排序排序述寡，等等柿隙。直播類產(chǎn)品的排序算是一種特殊情況下的應(yīng)用。所以這方面也有很多的資料可以參考辨赐，貼給大家

阮一峰老師之前曾經(jīng)翻譯總結(jié)過一系列的文章http://www.ruanyifeng.com/blog/2012/02/ranking_algorithm_hacker_news.html
知乎的問答排序規(guī)則和威爾遜算法
https://zhuanlan.zhihu.com/p/19902495?refer=zhihu-product
https://en.wikipedia.org/wiki/Binomial_proportion_confidence_interval#Wilson_score_interval