緣起

在筆者的實(shí)習(xí)過程中，常常每周面對十幾個來自業(yè)務(wù)方的推薦接入需求，等待對接、評估和落地。由于推薦的專業(yè)性較強(qiáng)，業(yè)務(wù)方常常因?yàn)閷ν扑]的理解不夠深入，而無法準(zhǔn)確地評估需求場景是否需要推薦、值得推薦以及如何進(jìn)行推薦。在這個時候，推薦產(chǎn)品就承擔(dān)起從推薦業(yè)務(wù)的角度，對需求進(jìn)行理解評估、拆解落地的任務(wù)。

筆者在剛剛接觸到需求對接和管理的工作時，常常感到力不從心，不知從何思考、落腳何處。除了對團(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推薦系統(tǒng)、深入的理解。在近一年的推薦產(chǎn)品實(shí)習(xí)過程中，筆者通過交流、閱讀和思考，理解增進(jìn)了一二，在此略作梳理。

本文將分為以下三個部分：什么是推薦，闡述推薦的概念；為什么做推薦，闡述推薦的價值和適用場景；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)。

什么是推薦？

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”。在互聯(lián)網(wǎng)產(chǎn)業(yè)中，推薦則指通過分析用戶偏好，將符合興趣的內(nèi)容主動提供到用戶面前，以提高內(nèi)容消費(fèi)轉(zhuǎn)化的效率。根據(jù)詞義可以從兩個方面理解推薦，一是推薦為用戶主動提供“好的”，也就是符合其興趣偏好的內(nèi)容，二是推薦的目標(biāo)是促成內(nèi)容的消費(fèi)轉(zhuǎn)化。

這兩個理解看似廢話，實(shí)則構(gòu)成了理解推薦的底層邏輯。第一條指出推薦與其他內(nèi)容分發(fā)模式的區(qū)別，運(yùn)營給用戶提供編輯認(rèn)可的內(nèi)容，搜索和分類則是被動由用戶尋找到符合興趣的內(nèi)容。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：用戶在什么時候更加需要被主動提供感興趣的內(nèi)容？推薦如何主動提供用戶感興趣的內(nèi)容？

何時需要推薦？

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)有價值的信息、有價值的信息也無法呈現(xiàn)在用戶眼前的情況。隨著信息產(chǎn)業(yè)的快速發(fā)展，信息激增，信息過載的問題日益顯著。當(dāng)用戶面臨海量的信息，如果有明確的目的，可以利用搜索引擎和分類目錄來縮小范圍、篩選信息；而如果沒有明確的目的，則需要推薦系統(tǒng)提供解決方案。

歸納常見的用戶面對海量信息卻沒有明確目的的情況，如影視、音樂、資訊、廣告以及電商等場景，多為內(nèi)容消費(fèi)場景。為滿足本身就多樣化的用戶需求，平臺為用戶提供了豐富的內(nèi)容，但海量內(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，無法充分消費(fèi)平臺內(nèi)容。此時，推薦的價值就凸顯了。

對推薦價值的評估可以從必要性和重要性兩方面考慮。

必要性：

1. 推薦內(nèi)容數(shù)量多、多樣化程度高。

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

2. 用戶對個性化的需求強(qiáng)烈。

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

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，在此之上，受到產(chǎn)品的成長階段、影響范圍、預(yù)期收益等方面的影響。

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，使長尾內(nèi)容的流量得到充分利用；中期提高變現(xiàn)效率，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，實(shí)現(xiàn)有限的平臺流量的統(tǒng)籌。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，推薦的地位和重要性也有所不同，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景所覆蓋的流量絕對數(shù)量，也指流量的潛藏價值。推薦場景的影響范圍越大，實(shí)現(xiàn)內(nèi)容轉(zhuǎn)化的收益越多，推薦對核心指標(biāo)提升的貢獻(xiàn)越大，也意味著用戶偏好越明顯、異質(zhì)性越強(qiáng)，對個性化推薦的需求越大。影響范圍最大的常常是首頁首屏的推薦場景，場景越深、流量越小。一般情況下，流量過小的場景接入推薦的優(yōu)先級較低，但如果是針對會員用戶、高消費(fèi)高價值用戶的付費(fèi)場景，則又另當(dāng)別論。

3. 預(yù)期收益：

指公司、產(chǎn)品、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，需結(jié)合先前場景的推薦效果。預(yù)期收益一方面指與影響范圍綜合評估得出的量化的收益規(guī)模，另一方面也指針對品牌形象、核心功能、認(rèn)知度等的質(zhì)性收益感知。

通過回答為什么做推薦、何時需要推薦的問題，推薦產(chǎn)品能夠?qū)ν扑]需求的必要性和重要性加以評估，從而對是否以及如何落地需求做出預(yù)判。

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

怎樣做推薦？

一個新推薦的實(shí)現(xiàn)可以被拆解為以下四個部分：場景分析、策略制定、開發(fā)測試、效果評估。本文重點(diǎn)討論場景分析和策略制定兩個部分。

1. 場景分析：

對需求場景進(jìn)行準(zhǔn)確、深入的分析至關(guān)重要，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。通過場景分析，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，從而對需求進(jìn)行合理排序；還使結(jié)合場景對推薦策略進(jìn)行調(diào)整，優(yōu)化推薦效果和用戶體驗(yàn)。

從推薦的角度來看，場景分析主要思考以下問題：

a. 該場景處于怎樣的位置？怎樣的展示樣式？核心功能是什么？

b. 該場景下推薦內(nèi)容庫的數(shù)量、質(zhì)量、類型是怎樣的？內(nèi)容的進(jìn)退場規(guī)則是怎樣的？

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

d. 該場景下用戶的使用上下文和操作習(xí)慣是怎樣的？

2. 策略制定：

策略的制定主要由業(yè)務(wù)產(chǎn)品、推薦產(chǎn)品和開發(fā)共同完成，其中業(yè)務(wù)產(chǎn)品從自身角度表達(dá)效果需求，推薦產(chǎn)品則結(jié)合場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)。

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

a. 特征：

一般情況下，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。作為推薦產(chǎn)品，主要是預(yù)判該場景下哪些特征有效、哪些未被利用的數(shù)據(jù)可以被作為特征使用、是否需要增加新的特征和關(guān)聯(lián)關(guān)系，等等。

例如，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)，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，特別是隱形負(fù)反饋的行為數(shù)據(jù)和計(jì)算方式。對單個物品的負(fù)反饋可能體現(xiàn)為：無操作、跳過跳出、停留時長過短、無消費(fèi)或過少、停留長但無消費(fèi)，等等。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，從而更準(zhǔn)確地定義負(fù)反饋。

b. 召回：

召回指從海量內(nèi)容池中，通過用戶、內(nèi)容的關(guān)聯(lián)關(guān)系，根據(jù)少量、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，目的是快速挑選出用戶最感興趣的內(nèi)容。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)衡各個召回路徑的比重。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、協(xié)同過濾、自動聚類等算法模型進(jìn)行召回

-內(nèi)容規(guī)則召回：基于熱度、時效性、內(nèi)容關(guān)聯(lián)關(guān)系等進(jìn)行召回

-用戶召回：基于用戶的場景，如節(jié)假日、地理位置、wifi，以及行為，如搜索、消費(fèi)歷史、實(shí)時反饋、tag偏好等進(jìn)行召回

召回策略的選擇和組合方式，需要根據(jù)場景的核心功能、內(nèi)容的特點(diǎn)、用戶的期待等進(jìn)行設(shè)計(jì)，并通過ab測試等評測相關(guān)指標(biāo)水平。

c. 排序：

排序過程對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，從而給用戶提供最個性化的內(nèi)容推薦。相對于召回，排序過程所需要的特征更多、模型更復(fù)雜、速度更慢，追求的是精準(zhǔn)。為了提高排序的速度，還會將排序進(jìn)一步分為粗排、截?cái)?、再精排兩個階段來縮小復(fù)雜模型應(yīng)用的對象數(shù)量，提升預(yù)測的精準(zhǔn)度。相對于召回階段，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)。

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)，針對排序得到的推薦內(nèi)容列表進(jìn)行調(diào)整，從而實(shí)現(xiàn)一定的業(yè)務(wù)、產(chǎn)品目標(biāo)，如商業(yè)盈利、內(nèi)容建設(shè)等，或者改善用戶體驗(yàn)。重排一方面依靠模型，另一方面依靠人工策略。常見的重排策略有四類：過濾、打散、強(qiáng)插、調(diào)權(quán)。

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、推薦場景上下文重復(fù)內(nèi)容的過濾、對低質(zhì)或廣告內(nèi)容的過濾等。主要目的是改善用戶體驗(yàn)、提高推薦效率。打散指隔開同一類型的內(nèi)容等，以提高推薦結(jié)果展示的多樣性，增加推薦內(nèi)容覆蓋率，改善用戶體驗(yàn)。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、商業(yè)目的。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)指提高對業(yè)務(wù)、產(chǎn)品目標(biāo)實(shí)現(xiàn)重要類型內(nèi)容、待消費(fèi)內(nèi)容的權(quán)重，降低熱點(diǎn)內(nèi)容、已曝光內(nèi)容、無操作內(nèi)容、已消費(fèi)內(nèi)容的權(quán)重等。

人工的重排策略會對機(jī)器排序結(jié)果的效果產(chǎn)生影響，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測試選擇效果更好的重排策略。

在推薦場景上線之后，是更加關(guān)鍵和長期的指標(biāo)監(jiān)測、效果評估過程。受篇幅所限，筆者會另起文稿，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)生對推薦業(yè)務(wù)的基礎(chǔ)理解。通過系統(tǒng)地認(rèn)識推薦，使筆者在作為一名實(shí)習(xí)生完成非核心工作時，對工作定位和團(tuán)隊(duì)目標(biāo)的認(rèn)識更加清晰，也使筆者更加明晰了作為一個推薦產(chǎn)品能夠帶來的價值和改變。

從小的工作層面來看，業(yè)務(wù)產(chǎn)品對技術(shù)的理解較淺，開發(fā)同學(xué)多為技術(shù)思維缺乏產(chǎn)品嗅覺，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，提高從技術(shù)到價值的實(shí)際轉(zhuǎn)化和收益。從大的行業(yè)趨勢來看，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，推薦產(chǎn)品通過商業(yè)、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，使信息環(huán)境更加健康、平衡，更使互聯(lián)網(wǎng)產(chǎn)業(yè)更加人性化、產(chǎn)生更高的社會價值。

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