時逢年假，把自己對部分場景以及推薦系統(tǒng)的理解整理出來，大多只是提出疑問與簡單思考。

一、什么才是好的推薦系統(tǒng)

推薦系統(tǒng)要平衡好幾方的關系

推薦系統(tǒng)三方關系

用戶：接收到有用的、有趣的內容; 站方：在不斷的好文推薦中，讓用戶參與其中，升級消費觀念，最終達到轉化率效果; 內容提供者：內容的參與度提升，曝光度增加，鼓勵用戶不斷產生內容;

在這三方參與者之間，其實普通用戶才是關鍵。如果用戶在閱讀過程中，無法接收到有用、有趣的內容，那站方、內容提供者的愿景更是無從實現。什么樣的內容才是有用的信息?什么樣的推薦系統(tǒng)才是好的推薦系統(tǒng)?從算法角度講，“精準”是推薦系統(tǒng)的衡量標準，即關聯相似度。

可是事實真的是這樣嗎? 提出幾個場景：

用戶收藏了一篇關于“家裝”內容的文章，就根據相似度理論不斷推送同類文章。

一周內用戶“好價”內多次搜索、瀏覽同一關鍵詞，第二周停止搜，用戶是不是已經完成購買這一產品了?

用戶在好價內搜索“軟毛牙刷”，那好文系統(tǒng)應該推送的是“牙刷測評”還是關聯”口腔健康“商品的文章呢? ……

推薦系統(tǒng)不僅僅應該只追求“精準”，因為這可能造成兩項誤區(qū)：

重復推送，用戶可能已經購買過類似商品或者根本對這類文章失去了興趣

用戶本來就打算購買的商品，單一推薦并不能夠增加潛在的消費升級，反而是相似度更小的衍生產品文章，會讓用戶感到新意，同時提高KOI

所以，對于我們的好文推薦系統(tǒng)體系，要完成的不僅僅應該是“精準”，而是在準確識別預測用戶行為的同時，幫助擴展用戶的視野，幫助用戶發(fā)展他們可能感興趣，自己卻并沒有發(fā)現的內容。

也就是說，好文推薦系統(tǒng)的場景是極為重要的，應該有懂推薦系統(tǒng)和業(yè)務流程的產品經理同時加入到推薦系統(tǒng)團隊

二、理解用戶的行為

分析前，我們首先要關注用戶行為和數據：

用戶數據來源

以上全部數據都會是判斷用戶行為的來源。那如果訓練一個二進制分類器，首要任務是定義正負樣本，為樣本定義正負標簽絕不是普通任務，聯系場景考慮，有什么可能存在的坑?

思路有限，我們就單從好價瀏覽內容時用戶數據入手 先畫一個行為漏斗：

行為漏斗

最簡單的思路是：按照行為漏斗的深度對樣本行為設立不同權重，判斷用戶行為偏好，然后進行推薦，可現實場景確實是這樣嗎?

簡單提幾個問題： 1、什么樣的數據可以看作正樣本? 2、點擊行為都是正樣本嗎? 3、點“值”是什么想法?“不值”呢? 4、評論行為證明什么?用戶是在提出問題還是回答問題? 5、買過的商品還需要再推送嗎? ……

討論這幾個問題的基礎要回到推薦系統(tǒng)的第一步：理解/獲取用戶需求 那用戶真的需要什么?怎么理解他的行為?

對剛才的問題一個個來討論：(不以詳盡性為目的，只做討論)

1、什么樣的數據可以看作正樣本?

行為漏斗中只有“收藏、分享”這兩個動作能被完全看作為正樣本，分享的行為成本還要高于收藏，但是收藏對于推薦系統(tǒng)識別是有很大幫助的，這證明用戶對于這類商品是有興趣的，有潛在的購買需求，這符合我們推薦的基本場景。

2、點擊行為都是正樣本嗎?

所有的不點擊動作都可以看作負樣本，但是對于點擊動作也應該分情況討論。比如：

3、點“值”是什么想法?“不值”呢?

交互動作很大一部分發(fā)生在“值/不值”上，但是這個行為是一個很復雜的動作，例如：

不同頻次的“點值/不值”動作，很值得我們討論。因為點值行為是值得買平臺內中為數不多的評分反饋，更可能反應了用戶深層次的行為驅動，他真的想要什么?喜歡什么?行為永遠比言語更能反應用戶的內心。

4、評論行為證明什么?用戶是在提出問題還是回答問題?

之前的討論里用數據分析過評論區(qū)中的內容，但是我們分析的是：用戶在討論什么?需要什么?而今天創(chuàng)新互聯除了這個結果以外，我們還需要討論一點：這些用戶是誰?提問者?回答者?他是不是已經購買過這個商品了?我們應該更偏向對于提問者推送相關內容，因為他們是更潛在的購買者， 對于專家用戶，可能他已經對類似內容失去興趣了。

5、買過的商品還需要再推送嗎?

不能夠確定值得買平臺有沒有用戶購買數據(例如海淘網站返利成功數據)，如果存在這個數據庫的話，這完全能夠用戶是否購買過這個產品。如果沒有的話，只能從用戶深層的行為來判斷他是不是購買過這個產品了。

三、推薦場景思考

當理解用戶行為之后，開始推薦系統(tǒng)第二步：滿足用戶需求，用算法做推薦。

大部分電商網站現在都采取了較為成熟完善的協(xié)同過濾算法，作為推薦系統(tǒng)的主體。同時也采用了多種推薦系統(tǒng)算法加權累加，例如：FFM、SVM、LFM等。我個人建議以CF item based為主，一是因為算法成熟，便于實現，二是user 數目遠大于 item 數目，user based 很難以對用戶進行歸類。

做相似度分析第一步：Item畫像設計，其遵循的原則為提煉出那些易于區(qū)分不同Item的顯著性特征或標簽。這一步需要做詳盡性分析，不做討論。

轉而思考計算相似度時， 除了在本身item標簽內容中計算相似距離，我們還需要考慮什么場景?什么特殊因子?

1、冷啟動場景：

通常在新用戶進入系統(tǒng)時，沒有數據來源導致冷啟動問題，大多數網站采取主動選擇標簽功能，進行標簽相關內容推送：

2、推薦不是“推送”，不同用戶的首頁流推薦

首頁的好文推薦是產品引流最重要的窗口，可是過度推送好文會影響部分產品用戶的用戶體驗，從而影響轉化率。如果根據不同用戶使用場景決定首頁流中好文的推送條數，可能效果會好一些。例如用戶停留時間和用戶日均瀏覽數來作為不同參數，確定權重W ，計算評分R

根據評分 R 的不同，來確定首頁流的推薦數目。

3、多次重復推送同一品類文章：多樣性問題

用戶在內容平臺所希望收獲的文章一定是多樣的，如果在較長時間跨度里推薦系統(tǒng)只能覆蓋單一興趣點，那這個推薦列表在長期評估時一定是無法讓用戶滿意的。

那也就是說，我們在推薦系數時，必要考慮一個因子來控制多樣性問題，如果當系統(tǒng)想推薦文章i時，我們就要對已經在文章列表R(u)內任意文章 j ，計算相似度,引入

如果系統(tǒng)的推薦分布頻次，可以和用戶點擊頻次掛鉤，那結果就完全符合多樣性要求了。

4、熱門內容更熱，冷門內容依然無人問津：馬太效應

馬太效應在UGC平臺是常見的，通常體現在用戶瀏覽參與集中于的熱門文章中，大部分內容的參與度極低，也可以稱為覆蓋率問題。覆蓋率可以描述一個推薦系統(tǒng)對于文章推薦效果長尾能力的發(fā)掘,指推薦文章占全部內容的占比，可以用信息熵度量。

作為整個UGC平臺的管理方，站方有責任讓所有優(yōu)質的UGC內容受到關注，而并非只有熱門內容，只有克服馬太效應，這樣才能夠讓發(fā)帖用戶感受到更多的關注度，鼓勵激發(fā)更多的優(yōu)質內容。

加入一個因子懲罰熱門權重

5、產品鏈層次因素

回想在本文開篇處提出的問題：用戶在好價內搜索“軟毛牙刷”，那好文系統(tǒng)應該推送的是“牙刷測評”還是關聯”口腔健康“商品的文章呢?

宏觀來看，所有品類的商品都存在產品鏈上下層的關系。買了iphone X的人可能對于手機殼感興趣，想買普通牙刷的人可能就是漱口水、電動牙刷的潛在消費者。沒有一項產品是單獨存在的，既然我們要做的是提高用戶消費觀念，那推薦系統(tǒng)是不是該偏向推送更深層次的內容，加大權重。

6、買過的產品還要推送嗎?

當我們已知用戶購買過產品后，我們是否應該再次推送相關內容呢? 這個時候我們需要判斷商品的消耗性、周期性、以及是否高話題性。這都關乎著是否再次推送內容，什么時候再推送內容。但是具體情況太多，就不做算法推導了。

說一個很有趣的現象，淘寶的推薦系統(tǒng)工程師做過實驗，點擊率高的推薦項目是用戶剛剛搜過，剛剛完成購買的商品。但是重復推送內容，這是一個好的推薦系統(tǒng)該做的嗎?團隊目的到底是什么：推薦系統(tǒng)點擊率高?提供用戶感興趣的內容?KpI ?不同目的可能導致結果相差萬千。

7、實時性

實時性主要是要求推薦系統(tǒng)在分鐘級/秒級完成數據分析，作出預判，并且對其作出操作。這個問題主要面對的是技術性問題，因為許多網站的推薦系統(tǒng)都是以天為單位進行日志讀取操作，再完成推薦動作。而如果要完成實時操作，就只能簡化推薦系統(tǒng)算法，例如 對于User-Item行為矩陣進行擴充動作簡化預測過程。

需要根據場景采納不同的推薦模式，好文內容可能更適合離線式方法。

后記

其實基于值得買推薦系統(tǒng)，XgBoost 與Factorization Machine (最新的FFM)都可能有不錯的效果，但是本文討論以場景為出發(fā)點，不討論算法具體內容，而且業(yè)界大多數都認可一個觀點，即在推薦系統(tǒng)中：UI > 數據 > 算法，如果讓用戶接納，并覺得懂得其心，這才是最關鍵的一點。

pS：寫文章時正逢年節(jié)，喝酒誤事，思路斷斷續(xù)續(xù)。前后內容繁雜，一人之力遠無法考慮周全，只做簡單思考，學習總結之用。

始發(fā)于簡書：周CC君