如果面試被問及推薦機制,看了這篇你就穩了

推薦機制究竟是怎么工作的呢?利弊各自是什么呢?


我已經很久沒有怎么刷抖音了,因為我自從我對手機攝影比較感興趣,我噸噸噸給出幾個紅心之后,我收到的推送就幾乎是手機攝影相關的,內容太過單一,所以后來就很少看了。

看了下產品100網站,發現首頁是按照時間和熱度來推薦的,內容質量還不錯。于是就多在上面學習了一會。

以上這三個場景,都與推薦機制相關。所以促使我研究了一下推薦機制。

說到推薦機制,可能大家對“個性化推薦系統”“協同過濾”等一些詞匯并不陌生。因為今日頭條就是靠著個性化推薦發家的,而亞馬遜和淘寶的“猜你喜歡”就是一種“協調過濾”機制。

不過這些機制究竟是怎么工作的呢?利弊各自是什么呢?我其實了解的并不多,所以就帶著問題去網上了解推薦機制的相關問題,分享給大家。

1

推薦機制有哪些呢?

電商的推薦系統,比如亞馬遜和淘寶的猜你喜歡,就是“協同過濾”。

協同過濾,可以分為基于物品和基于用戶。

基于物品的推薦,即用戶購買了a產品,那么我們推薦給他與a產品比較關聯的產品b。

基于用戶的推薦,即用戶A和B相似,用戶a購買了a產品,那么我們可以給用戶B推薦a產品。

當然原理是這個原理,里面的算法肯定是比較復雜的。

協同過濾也是個性化推薦。

而今日頭條把個性化推薦推上了一個新的高度。今日頭條的推薦機制圍繞內容、用戶、環境作為變量,擬合了一個用戶對內容滿意度的函數。

第一個維度是內容。頭條現在已經是一個綜合內容平臺,圖文、視頻、UGC小視頻、問答、微頭條,每種內容有很多自己的特征,需要考慮怎樣提取不同內容類型的特征做好推薦。

第二個維度是用戶特征。包括各種興趣標簽,職業、年齡、性別等,還有很多模型刻劃出的隱式用戶興趣等。

第三個維度是環境特征。這是移動互聯網時代推薦的特點,用戶隨時隨地移動,在工作場合、通勤、旅游等不同的場景,信息偏好有所偏移。結合三方面的維度,模型會給出一個預估,即推測推薦內容在這一場景下對這一用戶是否合適。

——《今日頭條推薦算法原理全文詳解》https://36kr.com/p/5114077

圖片為《今日頭條推薦算法原理全文詳解》配圖

既然有個性化的推薦,那么就有“非個性化的推薦”,即基于熱度的推薦。通過用戶的操作賦予這些內容熱度進行推薦。

那冷啟動的狀態下,沒有用戶,這些內容該如何進行排序呢?可以給內容設置初始熱度:把這些內容分解成各種不同的因子,對每類因子賦予不同的權重,最后得出一個分數,進行排序。

比如對于新聞,我們可以把因子設置為發布時間、分類、是否重磅等。比如發布時間,新聞這種時效性特別強的,那么不同的時間區間,權重就應該不一樣。時間越近,權重越高。

2

這些機制的利弊有什么呢?

首先說下個性化推薦。

優點是:

  1. 用戶能看到自己想看到的內容。

  2. 長尾內容能得到消費,可以鼓勵內容的創作者。

  3. 對公司來講,可以實現精準營銷,提高廣告的轉化率,

缺點是:

  1. 冷啟動初期沒有用戶數據,無法匹配,不太適合。

  2. 容易越推薦越窄。出現我之前說的抖音的那種情況。

  3. 對算力要求高。需要耗費大量的人力和物力,可能有的小公司負擔不了。

而非個性化推薦,比如基于熱度的推薦,也有一些優點:

1.成本比較低

2.可以集聚對熱點內容的大量關注和討論

缺點就是長尾內容和新的內容沒有得到好的消費。

3

個性化推薦怎么處理越推薦越窄的問題呢?

可以提供一些其他的功能,彌補個性化推薦機制這個問題。

比如搜索,用戶可以搜索一些其他感興趣的話題。

比如分類導航,用戶可以瀏覽熱門話題和其他分類列表。

這樣通過用戶行為,修補用戶的行為數據。

4

個性化推薦大行其道,為什么還是有些平臺采用熱度推薦?

比如我發現產品100平臺,是基于時間和熱度進行推薦的。

我想,還是得區分平臺的屬性。

1. 產品100內容比較垂直化。用戶基數小,用戶群體比較單一,需求比較一致。幾乎不存在什么長尾的說法。

2. 屬于學習性質的網站,此類網站,大家想要探索的內容是舒適區以外的點,而不是舒適區內部的點。所以不了解的熱門內容推薦,是大家需要的。

3. 審核比較嚴格,可以保證基本上都是優質內容。可以保證內容消費者很好的體驗。

4. 除了熱度,也有基于時間的推薦,也可以給到內容提供者一定的流量,彌補了熱度推薦的不足。

5

小結

今天主要談到了推薦機制的幾個問題。

常見的推薦機制有哪些?

利弊是什么?

如何彌補個性化推薦的不足?

特別說明的是,選擇使用哪種機制,也要看內容平臺自身的階段和屬性。

今日頭條推薦算法原理全文詳解 https://36kr.com/p/5114077

今日頭條是怎么做推薦的—基于用戶的協同過濾https://www.jianshu.com/p/e56665c54df8

產品經理需要了解的算法—熱度算法和個性化推薦 https://mp.weixin.qq.com/s/W-q2IY2IZ9OFQyLWT5G8Yw

亞馬遜和淘寶的“猜你喜歡“是怎么實現的?https://www.jianshu.com/p/d03fb6d68716

推薦系統的秘密http://www.360doc.com/content/19/0605/16/4387714_840590490.shtml


2條評論 添加新討論

2019年11月19日評論

請問內容推薦是屬于哪一種

回復
  1. 2019年11月19日評論 回復
登錄后參與討論
Ctrl+Enter 發表