緣起

在筆者的實(shí)習(xí)過程中嘹屯，常常每周面對(duì)十幾個(gè)來自業(yè)務(wù)方的推薦接入需求印荔，等待對(duì)接低葫、評(píng)估和落地。由于推薦的專業(yè)性較強(qiáng)仍律，業(yè)務(wù)方常常因?yàn)閷?duì)推薦的理解不夠深入嘿悬，而無法準(zhǔn)確地評(píng)估需求場(chǎng)景是否需要推薦、值得推薦以及如何進(jìn)行推薦水泉。在這個(gè)時(shí)候善涨，推薦產(chǎn)品就承擔(dān)起從推薦業(yè)務(wù)的角度窒盐，對(duì)需求進(jìn)行理解評(píng)估、拆解落地的任務(wù)钢拧。

筆者在剛剛接觸到需求對(duì)接和管理的工作時(shí)蟹漓，常常感到力不從心，不知從何思考源内、落腳何處葡粒。除了對(duì)團(tuán)隊(duì)的推薦業(yè)務(wù)了解不深外，核心原因還在于沒有形成對(duì)推薦系統(tǒng)膜钓、深入的理解嗽交。在近一年的推薦產(chǎn)品實(shí)習(xí)過程中，筆者通過交流颂斜、閱讀和思考夫壁，理解增進(jìn)了一二，在此略作梳理沃疮。

本文將分為以下三個(gè)部分：什么是推薦掌唾，闡述推薦的概念；為什么做推薦忿磅，闡述推薦的價(jià)值和適用場(chǎng)景糯彬；怎么做推薦，闡述推薦的邏輯以及推薦產(chǎn)品的工作職責(zé)葱她。

什么是推薦撩扒？

推薦，現(xiàn)代漢語詞典解釋為“介紹好的人或事物希望被任用或接受”吨些。在互聯(lián)網(wǎng)產(chǎn)業(yè)中搓谆，推薦則指通過分析用戶偏好，將符合興趣的內(nèi)容主動(dòng)提供到用戶面前豪墅，以提高內(nèi)容消費(fèi)轉(zhuǎn)化的效率泉手。根據(jù)詞義可以從兩個(gè)方面理解推薦，一是推薦為用戶主動(dòng)提供“好的”偶器，也就是符合其興趣偏好的內(nèi)容斩萌，二是推薦的目標(biāo)是促成內(nèi)容的消費(fèi)轉(zhuǎn)化。

這兩個(gè)理解看似廢話屏轰，實(shí)則構(gòu)成了理解推薦的底層邏輯颊郎。第一條指出推薦與其他內(nèi)容分發(fā)模式的區(qū)別，運(yùn)營(yíng)給用戶提供編輯認(rèn)可的內(nèi)容霎苗，搜索和分類則是被動(dòng)由用戶尋找到符合興趣的內(nèi)容姆吭。第二條明確推薦作為一種內(nèi)容分發(fā)模式的終極目標(biāo)——促進(jìn)內(nèi)容的消費(fèi)轉(zhuǎn)化。

接下來的問題是：用戶在什么時(shí)候更加需要被主動(dòng)提供感興趣的內(nèi)容唁盏？推薦如何主動(dòng)提供用戶感興趣的內(nèi)容内狸？

何時(shí)需要推薦检眯？

信息過載指用戶被淹沒在大量的無用信息中，用戶無法發(fā)現(xiàn)有價(jià)值的信息昆淡、有價(jià)值的信息也無法呈現(xiàn)在用戶眼前的情況锰瘸。隨著信息產(chǎn)業(yè)的快速發(fā)展，信息激增瘪撇，信息過載的問題日益顯著。當(dāng)用戶面臨海量的信息港庄，如果有明確的目的倔既，可以利用搜索引擎和分類目錄來縮小范圍、篩選信息鹏氧；而如果沒有明確的目的渤涌，則需要推薦系統(tǒng)提供解決方案。

歸納常見的用戶面對(duì)海量信息卻沒有明確目的的情況把还，如影視实蓬、音樂、資訊吊履、廣告以及電商等場(chǎng)景安皱，多為內(nèi)容消費(fèi)場(chǎng)景。為滿足本身就多樣化的用戶需求艇炎，平臺(tái)為用戶提供了豐富的內(nèi)容酌伊，但海量?jī)?nèi)容與用戶興趣的匹配工作不利，也導(dǎo)致用戶的信息過載缀踪，無法充分消費(fèi)平臺(tái)內(nèi)容居砖。此時(shí)，推薦的價(jià)值就凸顯了驴娃。

對(duì)推薦價(jià)值的評(píng)估可以從必要性和重要性兩方面考慮奏候。

必要性：

1. 推薦內(nèi)容數(shù)量多、多樣化程度高唇敞。

用戶需要篩選信息但卻不明確此時(shí)此地所需蔗草，往往出現(xiàn)信息過載，推薦促進(jìn)消費(fèi)轉(zhuǎn)化的核心價(jià)值得以體現(xiàn)疆柔。應(yīng)用于實(shí)踐中的判斷蕉世，內(nèi)容數(shù)量可以用絕對(duì)數(shù)量來衡量，內(nèi)容的多樣化程度則與當(dāng)前場(chǎng)景下用戶需求的多樣性一致婆硬。

2. 用戶對(duì)個(gè)性化的需求強(qiáng)烈狠轻。

此時(shí)，用戶有強(qiáng)烈的期待獲取符合其偏好的內(nèi)容彬犯，即對(duì)推薦的需求強(qiáng)烈向楼。對(duì)于非工具性場(chǎng)景查吊，特別是購物、娛樂等有較大自主選擇空間的消費(fèi)場(chǎng)景湖蜕，審美和口味對(duì)用戶來說十分重要逻卖，這是因?yàn)閭€(gè)人形象和品味是通過消費(fèi)彰顯的。而對(duì)于工具性場(chǎng)景昭抒，如電子郵件等评也，應(yīng)用推薦的需求主要在于提高工作效率，進(jìn)行個(gè)性化推薦的必要性就較低灭返。在實(shí)際工作中盗迟，用戶對(duì)個(gè)性化需求的判斷需要結(jié)合推薦場(chǎng)景具體分析。

重要性：

提高內(nèi)容消費(fèi)轉(zhuǎn)化效率是推薦之重要性的根本熙含，在此之上罚缕，受到產(chǎn)品的成長(zhǎng)階段、影響范圍怎静、預(yù)期收益等方面的影響邮弹。

1. 產(chǎn)品階段：

推薦在產(chǎn)品發(fā)展前期的主要作用是整合利用零碎流量，使長(zhǎng)尾內(nèi)容的流量得到充分利用蚓聘；中期提高變現(xiàn)效率腌乡，如優(yōu)先分發(fā)創(chuàng)收內(nèi)容促進(jìn)消費(fèi)轉(zhuǎn)化等；后期分配流量資源夜牡，實(shí)現(xiàn)有限的平臺(tái)流量的統(tǒng)籌导饲。根據(jù)不同的階段目標(biāo)，提升內(nèi)容消費(fèi)轉(zhuǎn)化效率的重要性不同氯材，推薦的地位和重要性也有所不同渣锦，推薦的目的和手段都有不同。

2. 影響范圍：

影響范圍不僅僅指推薦場(chǎng)景所覆蓋的流量絕對(duì)數(shù)量氢哮，也指流量的潛藏價(jià)值袋毙。推薦場(chǎng)景的影響范圍越大，實(shí)現(xiàn)內(nèi)容轉(zhuǎn)化的收益越多冗尤，推薦對(duì)核心指標(biāo)提升的貢獻(xiàn)越大听盖，也意味著用戶偏好越明顯、異質(zhì)性越強(qiáng)裂七，對(duì)個(gè)性化推薦的需求越大皆看。影響范圍最大的常常是首頁首屏的推薦場(chǎng)景，場(chǎng)景越深背零、流量越小腰吟。一般情況下，流量過小的場(chǎng)景接入推薦的優(yōu)先級(jí)較低，但如果是針對(duì)會(huì)員用戶毛雇、高消費(fèi)高價(jià)值用戶的付費(fèi)場(chǎng)景嫉称，則又另當(dāng)別論。

3. 預(yù)期收益：

指公司灵疮、產(chǎn)品织阅、業(yè)務(wù)方能夠從推薦獲得的實(shí)際收益預(yù)估，主要是指核心指標(biāo)和商業(yè)指標(biāo)的預(yù)期提升震捣，需結(jié)合先前場(chǎng)景的推薦效果荔棉。預(yù)期收益一方面指與影響范圍綜合評(píng)估得出的量化的收益規(guī)模，另一方面也指針對(duì)品牌形象蒿赢、核心功能润樱、認(rèn)知度等的質(zhì)性收益感知。

通過回答為什么做推薦诉植、何時(shí)需要推薦的問題祥国，推薦產(chǎn)品能夠?qū)ν扑]需求的必要性和重要性加以評(píng)估昵观，從而對(duì)是否以及如何落地需求做出預(yù)判晾腔。

在對(duì)推薦需求的進(jìn)行評(píng)估之后，接下來面臨的問題就是怎么做推薦啊犬。下文將對(duì)接入推薦的一般步驟進(jìn)行梳理灼擂，并以常見的推薦場(chǎng)景為例總結(jié)推薦策略的設(shè)計(jì)思路。

怎樣做推薦觉至？

一個(gè)新推薦的實(shí)現(xiàn)可以被拆解為以下四個(gè)部分：場(chǎng)景分析剔应、策略制定、開發(fā)測(cè)試语御、效果評(píng)估峻贮。本文重點(diǎn)討論場(chǎng)景分析和策略制定兩個(gè)部分。

1. 場(chǎng)景分析：

對(duì)需求場(chǎng)景進(jìn)行準(zhǔn)確应闯、深入的分析至關(guān)重要纤控，需要推薦產(chǎn)品和業(yè)務(wù)產(chǎn)品的共同交流達(dá)成一致。通過場(chǎng)景分析碉纺，推薦產(chǎn)品能夠正確地預(yù)估接入推薦的必要性和重要性船万，從而對(duì)需求進(jìn)行合理排序；還使結(jié)合場(chǎng)景對(duì)推薦策略進(jìn)行調(diào)整骨田，優(yōu)化推薦效果和用戶體驗(yàn)耿导。

從推薦的角度來看，場(chǎng)景分析主要思考以下問題：

a. 該場(chǎng)景處于怎樣的位置态贤？怎樣的展示樣式舱呻？核心功能是什么？

b. 該場(chǎng)景下推薦內(nèi)容庫的數(shù)量悠汽、質(zhì)量狮荔、類型是怎樣的胎撇？?jī)?nèi)容的進(jìn)退場(chǎng)規(guī)則是怎樣的？

c. 該場(chǎng)景下的用戶群體是誰殖氏？可以被如何分類晚树？各個(gè)類別的用戶的需求有哪些特點(diǎn)？

d. 該場(chǎng)景下用戶的使用上下文和操作習(xí)慣是怎樣的雅采？

2. 策略制定：

策略的制定主要由業(yè)務(wù)產(chǎn)品爵憎、推薦產(chǎn)品和開發(fā)共同完成德谅，其中業(yè)務(wù)產(chǎn)品從自身角度表達(dá)效果需求鹰椒，推薦產(chǎn)品則結(jié)合場(chǎng)景需求和推薦能力規(guī)劃推薦策略，將推薦需求拆解并與開發(fā)溝通實(shí)現(xiàn)赏廓。

推薦策略的制定主要包括特征巴刻、召回愚铡、排序、調(diào)優(yōu)胡陪，筆者將從推薦產(chǎn)品的角度一一闡釋：

a. 特征：

一般情況下沥寥，已有成型推薦系統(tǒng)中已經(jīng)包含了大量的用戶、物品特征和關(guān)聯(lián)關(guān)系柠座。作為推薦產(chǎn)品邑雅，主要是預(yù)判該場(chǎng)景下哪些特征有效、哪些未被利用的數(shù)據(jù)可以被作為特征使用妈经、是否需要增加新的特征和關(guān)聯(lián)關(guān)系淮野，等等。

例如吹泡，用戶的負(fù)反饋行為特征是推薦策略中內(nèi)容降權(quán)的重要依據(jù)骤星，作為推薦產(chǎn)品需要分析用戶的行為，找到更準(zhǔn)確反應(yīng)用戶負(fù)反饋行為爆哑，特別是隱形負(fù)反饋的行為數(shù)據(jù)和計(jì)算方式洞难。對(duì)單個(gè)物品的負(fù)反饋可能體現(xiàn)為：無操作、跳過跳出泪漂、停留時(shí)長(zhǎng)過短廊营、無消費(fèi)或過少、停留長(zhǎng)但無消費(fèi)萝勤，等等露筒。推薦產(chǎn)品需要將用戶內(nèi)容消費(fèi)前后和消費(fèi)中的行為進(jìn)行分類、組合敌卓，從而更準(zhǔn)確地定義負(fù)反饋慎式。

b. 召回：

召回指從海量?jī)?nèi)容池中，通過用戶、內(nèi)容的關(guān)聯(lián)關(guān)系瘪吏，根據(jù)少量癣防、關(guān)鍵的用戶、內(nèi)容特征挑選出關(guān)聯(lián)性最高的內(nèi)容組成較小的推薦候選集掌眠，目的是快速挑選出用戶最感興趣的內(nèi)容蕾盯。召回算法由開發(fā)實(shí)現(xiàn)，推薦產(chǎn)品主要負(fù)責(zé)選擇召回路徑以及權(quán)衡各個(gè)召回路徑的比重蓝丙。常見的召回路徑可以分為三種類型：

-算法召回：基于內(nèi)容分析级遭、協(xié)同過濾、自動(dòng)聚類等算法模型進(jìn)行召回

-內(nèi)容規(guī)則召回：基于熱度渺尘、時(shí)效性挫鸽、內(nèi)容關(guān)聯(lián)關(guān)系等進(jìn)行召回

-用戶召回：基于用戶的場(chǎng)景，如節(jié)假日鸥跟、地理位置丢郊、wifi，以及行為医咨，如搜索枫匾、消費(fèi)歷史、實(shí)時(shí)反饋腋逆、tag偏好等進(jìn)行召回

召回策略的選擇和組合方式婿牍，需要根據(jù)場(chǎng)景的核心功能侈贷、內(nèi)容的特點(diǎn)惩歉、用戶的期待等進(jìn)行設(shè)計(jì)，并通過ab測(cè)試等評(píng)測(cè)相關(guān)指標(biāo)水平俏蛮。

c. 排序：

排序過程對(duì)各路召回形成的較小候選集中的內(nèi)容進(jìn)行點(diǎn)擊率等指標(biāo)預(yù)估和排列撑蚌，從而給用戶提供最個(gè)性化的內(nèi)容推薦。相對(duì)于召回搏屑，排序過程所需要的特征更多争涌、模型更復(fù)雜、速度更慢辣恋，追求的是精準(zhǔn)亮垫。為了提高排序的速度，還會(huì)將排序進(jìn)一步分為粗排伟骨、截?cái)嘁省⒃倬艃蓚€(gè)階段來縮小復(fù)雜模型應(yīng)用的對(duì)象數(shù)量，提升預(yù)測(cè)的精準(zhǔn)度携狭。相對(duì)于召回階段继蜡，排序更偏技術(shù)而非策略，推薦產(chǎn)品主要在排序結(jié)果的調(diào)優(yōu)階段，也就是重排階段進(jìn)行策略設(shè)計(jì)稀并。

d. 重排

重排階段主要由推薦產(chǎn)品主導(dǎo)策略的設(shè)計(jì)仅颇，針對(duì)排序得到的推薦內(nèi)容列表進(jìn)行調(diào)整，從而實(shí)現(xiàn)一定的業(yè)務(wù)碘举、產(chǎn)品目標(biāo)忘瓦，如商業(yè)盈利、內(nèi)容建設(shè)等引颈，或者改善用戶體驗(yàn)政冻。重排一方面依靠模型，另一方面依靠人工策略线欲。常見的重排策略有四類：過濾明场、打散、強(qiáng)插李丰、調(diào)權(quán)苦锨。

過濾包括推薦內(nèi)容列表內(nèi)重復(fù)或相似內(nèi)容的過濾、推薦場(chǎng)景上下文重復(fù)內(nèi)容的過濾趴泌、對(duì)低質(zhì)或廣告內(nèi)容的過濾等舟舒。主要目的是改善用戶體驗(yàn)、提高推薦效率嗜憔。打散指隔開同一類型的內(nèi)容等秃励，以提高推薦結(jié)果展示的多樣性，增加推薦內(nèi)容覆蓋率吉捶，改善用戶體驗(yàn)夺鲜。強(qiáng)插指在固定位置人工插入特定內(nèi)容，主要是為了與特定內(nèi)容相關(guān)的運(yùn)營(yíng)呐舔、商業(yè)目的币励。強(qiáng)插策略主要受到業(yè)務(wù)產(chǎn)品目標(biāo)的影響。調(diào)權(quán)指提高對(duì)業(yè)務(wù)珊拼、產(chǎn)品目標(biāo)實(shí)現(xiàn)重要類型內(nèi)容食呻、待消費(fèi)內(nèi)容的權(quán)重，降低熱點(diǎn)內(nèi)容澎现、已曝光內(nèi)容仅胞、無操作內(nèi)容、已消費(fèi)內(nèi)容的權(quán)重等剑辫。

人工的重排策略會(huì)對(duì)機(jī)器排序結(jié)果的效果產(chǎn)生影響干旧，正負(fù)影響需要推薦產(chǎn)品結(jié)合業(yè)務(wù)目標(biāo)進(jìn)行權(quán)衡，通過ab測(cè)試選擇效果更好的重排策略揭斧。

在推薦場(chǎng)景上線之后莱革，是更加關(guān)鍵和長(zhǎng)期的指標(biāo)監(jiān)測(cè)峻堰、效果評(píng)估過程。受篇幅所限盅视，筆者會(huì)另起文稿捐名，在此不再贅述。

總結(jié)

綜上所述是筆者作為一名推薦產(chǎn)品實(shí)習(xí)生對(duì)推薦業(yè)務(wù)的基礎(chǔ)理解闹击。通過系統(tǒng)地認(rèn)識(shí)推薦镶蹋，使筆者在作為一名實(shí)習(xí)生完成非核心工作時(shí)，對(duì)工作定位和團(tuán)隊(duì)目標(biāo)的認(rèn)識(shí)更加清晰赏半，也使筆者更加明晰了作為一個(gè)推薦產(chǎn)品能夠帶來的價(jià)值和改變贺归。

從小的工作層面來看，業(yè)務(wù)產(chǎn)品對(duì)技術(shù)的理解較淺断箫，開發(fā)同學(xué)多為技術(shù)思維缺乏產(chǎn)品嗅覺拂酣，雙方溝通成本高。而推薦產(chǎn)品則能夠作為連通二者的橋梁仲义，提高從技術(shù)到價(jià)值的實(shí)際轉(zhuǎn)化和收益婶熬。從大的行業(yè)趨勢(shì)來看，推薦系統(tǒng)的出現(xiàn)和應(yīng)用是信息產(chǎn)業(yè)面向用戶的一次革新埃撵，推薦產(chǎn)品通過商業(yè)赵颅、技術(shù)與人性的權(quán)衡，使信息分發(fā)效率有了質(zhì)的提升暂刘，使信息環(huán)境更加健康饺谬、平衡，更使互聯(lián)網(wǎng)產(chǎn)業(yè)更加人性化谣拣、產(chǎn)生更高的社會(huì)價(jià)值募寨。

本人經(jīng)驗(yàn)不足、理解有限芝发，歡迎大家評(píng)論绪商、私信提出意見建議~