前些日子聽了 @kevin 同學(xué)的知乎 live《了解信息流產(chǎn)品和內(nèi)容推薦算法》，很有收獲（可以在外行前裝一裝了 ??）。鑒于兩小時的 live 信息量很大，就做了份筆記，把其中最有價值的部分做成了圖解，應(yīng)該算得上是「干貨」了。
不過， 5 分鐘能讀完的小文，到底只是走馬觀花而已。倘若讀完真的感興趣，還是建議去聽 live，畢竟就其內(nèi)容質(zhì)量而言，9.99 元是真的值。
什么是信息流產(chǎn)品
每個使用新聞客戶端的用戶，都多少接觸過的信息流這種產(chǎn)品形態(tài)。它有以下諸多特點：
- 海量信息，能源源不斷地刷出新的、實時的內(nèi)容
- 能在合適的場景下，為用戶提供合適的內(nèi)容
- 強用戶黏性、長使用時長，利于廣告曝光創(chuàng)造營收
如何推薦內(nèi)容
信息流的內(nèi)容并不是純靠算法推薦，人工運營也是其中的重要部份。實際上，人工和算法各有所長——人工運營更長于新聞價值的判斷（尤其是「情感判斷」），以及對熱點的預(yù)測，對突發(fā)事件的響應(yīng)；而算法，運用在個性化匹配、冷門的長尾內(nèi)容推薦上，則更適合。
一個算法實現(xiàn)的內(nèi)容推薦基本框架，理論上可以抽象成下圖。
落實到具體實現(xiàn)，這里是魅族 新聞資訊 的一個實際案例。
如何評估推薦質(zhì)量
一個信息流產(chǎn)品，不會僅僅使用一種算法模型，通常會進行分流。占大比重的是經(jīng)過驗證的穩(wěn)定模型，同時，會有多個占小比重的實驗?zāi)Ｐ汀?/p>
要評估這些實驗算法模型的效果，采用的評測指標(biāo)主要為以下三項：
- 準(zhǔn)確率：推薦列表里，多少比例的文章，是用戶讀過的
- 召回率：推薦列表中，用戶讀過的文章，占用戶閱讀記錄的比例
- 覆蓋率：推薦列表里的文章，占文章庫總數(shù)的比例
舉例來說，文章總量為 100，用戶實際看了 10 篇文章。最終實驗?zāi)Ｐ屯扑]了20篇文章，用戶看過的有 8 篇。準(zhǔn)確率為 40%，召回率為 80%，覆蓋率為 20%。
除此以外，還需關(guān)注的核心業(yè)務(wù)指標(biāo)：
- UV 轉(zhuǎn)化率：閱讀 UV / 曝光 UV，反映多少比例的曝光用戶轉(zhuǎn)化為閱讀用戶
- PV 轉(zhuǎn)化率：閱讀 PV / 曝光 PV，反映文章的平均轉(zhuǎn)化情況
- 人均篇數(shù)：閱讀 PV / 閱讀 UV，反映內(nèi)容消費深度
- 人均閱讀時長：閱讀總時長 / 閱讀 UV，反映內(nèi)容消費深度
為什么要看多個指標(biāo)，不能只關(guān)注點擊率呢？是因為一味追求點擊率，會鼓勵「標(biāo)題黨」，導(dǎo)致用戶文章閱讀完成度降低，最終影響產(chǎn)品調(diào)性，造成深度用戶流失。
影響推薦效果的因素
影響信息流推薦效果的因素，并不僅僅只有算法模型。事實上，由于自建模型的難度很高，造成差異的往往是算法外的因素。
首先，強大的內(nèi)容庫是一個信息流產(chǎn)品的基礎(chǔ)。內(nèi)容的多樣性、數(shù)量、質(zhì)量、時效如果得不到保障，推薦效果根本無從談起。譬如，今日頭條、網(wǎng)易新聞這種量級的產(chǎn)品，內(nèi)容每日入庫量至少超過 500k，可推薦集要超過 200k。
其次，一些交互細節(jié)及業(yè)務(wù)參數(shù)的調(diào)優(yōu)，也會對最終的效果產(chǎn)生非常大的影響。
另外，數(shù)據(jù)上報會極大影響推薦準(zhǔn)確度和策略選擇。而且通常也是埋坑及填坑最大的地方，需要產(chǎn)品對上報時機、閾值、去重、內(nèi)容做規(guī)范。此外，冷啟動策略、如何防止用戶畫像固化造成的「瓶頸效應(yīng)」，等等，都會最終影響推薦效果。
用戶畫像體系
用戶畫像是內(nèi)容推薦重要的參考體系，通常是對用戶主動行為、推送刺激產(chǎn)生的數(shù)據(jù)進行挖掘后生成的。
上圖是魅族新聞資訊的一個用戶畫像實例，其中：
- 更新頻率：一級類目的制定，不會輕易改變，否則對算法效果影響很大，一般每周更新；而二級類目、標(biāo)簽幾乎實時更新
- 準(zhǔn)確性驗證：用推送來驗證畫像準(zhǔn)確性時，如果畫像較為準(zhǔn)確，推送的點擊率一般在 20% 以上
- 負反饋、搜索：這兩種行為數(shù)據(jù)雖然較少，但對畫像的準(zhǔn)確性影響很大
相關(guān)領(lǐng)域 & 如何入門
信息流產(chǎn)品涉及領(lǐng)域非常多，包括內(nèi)容庫、用戶畫像、短視頻、搜索、信息流廣告，等等。而且每個領(lǐng)域都有很多值得深挖的內(nèi)容，非常鍛煉產(chǎn)品能力。
如果想要入門信息流領(lǐng)域，內(nèi)容運營是一個非常好的切入口——可以研究現(xiàn)有自媒體平臺，深入探索它的下發(fā)策略、管理后臺、數(shù)據(jù)統(tǒng)計。最后，是幾本參考書籍推薦，能讓產(chǎn)品對系統(tǒng)的理解能力成倍提升：《推薦系統(tǒng)實踐》《這就是搜索引擎》《計算廣告》。
