时逢年假，把自己对部分场景以及推荐系统的理解整理出来，大多只是提出疑问与简单思考。

　　一、什么才是好的推荐系统

　　推荐系统要平衡好几方的关系

　　

 

　　推荐系统三方关系

　　用户：接收到有用的、有趣的内容; 站方：在不断的好文推荐中，让用户参与其中，升级消费观念，最终达到转化率效果; 内容提供者：内容的参与度提升，曝光度增加，鼓励用户不断产生内容;

　　在这三方参与者之间，其实普通用户才是关键。如果用户在阅读过程中，无法接收到有用、有趣的内容，那站方、内容提供者的愿景更是无从实现。什么样的内容才是有用的信息?什么样的推荐系统才是好的推荐系统?从算法角度讲，“精准”是推荐系统的衡量标准，即关联相似度。

　　可是事实真的是这样吗? 提出几个场景：

　　用户收藏了一篇关于“家装”内容的文章，就根据相似度理论不断推送同类文章。

　　一周内用户“好价”内多次搜索、浏览同一关键词，第二周停止搜，用户是不是已经完成购买这一产品了?

　　用户在好价内搜索“软毛牙刷”，那好文系统应该推送的是“牙刷测评”还是关联”口腔健康“商品的文章呢? ……

　　推荐系统不仅仅应该只追求“精准”，因为这可能造成两项误区：

　　重复推送，用户可能已经购买过类似商品或者根本对这类文章失去了兴趣

　　用户本来就打算购买的商品，单一推荐并不能够增加潜在的消费升级，反而是相似度更小的衍生产品文章，会让用户感到新意，同时提高KOI

　　所以，对于我们的好文推荐系统体系，要完成的不仅仅应该是“精准”，而是在准确识别预测用户行为的同时，帮助扩展用户的视野，帮助用户发展他们可能感兴趣，自己却并没有发现的内容。

　　也就是说，好文推荐系统的场景是极为重要的，应该有懂推荐系统和业务流程的产品经理同时加入到推荐系统团队

　　二、理解用户的行为

　　分析前，我们首先要关注用户行为和数据：

　　

 

　　用户数据来源

　　以上全部数据都会是判断用户行为的来源。那如果训练一个二进制分类器，首要任务是定义正负样本，为样本定义正负标签绝不是普通任务，联系场景考虑，有什么可能存在的坑?

　　思路有限，我们就单从好价浏览内容时用户数据入手 先画一个行为漏斗：

　　

 

　　行为漏斗

　　最简单的思路是：按照行为漏斗的深度对样本行为设立不同权重，判断用户行为偏好，然后进行推荐，可现实场景确实是这样吗?

　　简单提几个问题： 1、什么样的数据可以看作正样本? 2、点击行为都是正样本吗? 3、点“值”是什么想法?“不值”呢? 4、评论行为证明什么?用户是在提出问题还是回答问题? 5、买过的商品还需要再推送吗? ……

　　讨论这几个问题的基础要回到推荐系统的第一步：理解/获取用户需求 那用户真的需要什么?怎么理解他的行为?

　　对刚才的问题一个个来讨论：(不以详尽性为目的，只做讨论)

　　1、什么样的数据可以看作正样本?

　　行为漏斗中只有“收藏、分享”这两个动作能被完全看作为正样本，分享的行为成本还要高于收藏，但是收藏对于推荐系统识别是有很大帮助的，这证明用户对于这类商品是有兴趣的，有潜在的购买需求，这符合我们推荐的基本场景。

　　2、点击行为都是正样本吗?

　　所有的不点击动作都可以看作负样本，但是对于点击动作也应该分情况讨论。比如：

　　

 

　　3、点“值”是什么想法?“不值”呢?

　　交互动作很大一部分发生在“值/不值”上，但是这个行为是一个很复杂的动作，例如：

　　

 

　　不同频次的“点值/不值”动作，很值得我们讨论。因为点值行为是值得买平台内中为数不多的评分反馈，更可能反应了用户深层次的行为驱动，他真的想要什么?喜欢什么?行为永远比言语更能反应用户的内心。

　　4、评论行为证明什么?用户是在提出问题还是回答问题?

　　之前的讨论里用数据分析过评论区中的内容，但是我们分析的是：用户在讨论什么?需要什么?而今天我们除了这个结果以外，我们还需要讨论一点：这些用户是谁?提问者?回答者?他是不是已经购买过这个商品了?我们应该更偏向对于提问者推送相关内容，因为他们是更潜在的购买者， 对于专家用户，可能他已经对类似内容失去兴趣了。

　　5、买过的商品还需要再推送吗?

　　不能够确定值得买平台有没有用户购买数据(例如海淘网站返利成功数据)，如果存在这个数据库的话，这完全能够用户是否购买过这个产品。如果没有的话，只能从用户深层的行为来判断他是不是购买过这个产品了。

　　三、推荐场景思考

　　当理解用户行为之后，开始推荐系统第二步：满足用户需求，用算法做推荐。

　　大部分电商网站现在都采取了较为成熟完善的协同过滤算法，作为推荐系统的主体。同时也采用了多种推荐系统算法加权累加，例如：FFM、SVM、LFM等。我个人建议以CF item based为主，一是因为算法成熟，便于实现，二是user 数目远大于 item 数目，user based 很难以对用户进行归类。

　　做相似度分析第一步：Item画像设计，其遵循的原则为提炼出那些易于区分不同Item的显著性特征或标签。这一步需要做详尽性分析，不做讨论。

　　转而思考计算相似度时， 除了在本身item标签内容中计算相似距离，我们还需要考虑什么场景?什么特殊因子?

　　1、冷启动场景：

　　通常在新用户进入系统时，没有数据来源导致冷启动问题，大多数网站采取主动选择标签功能，进行标签相关内容推送：

　　

 

　　2、推荐不是“推送”，不同用户的首页流推荐

　　首页的好文推荐是产品引流最重要的窗口，可是过度推送好文会影响部分产品用户的用户体验，从而影响转化率。如果根据不同用户使用场景决定首页流中好文的推送条数，可能效果会好一些。例如用户停留时间和用户日均浏览数来作为不同参数，确定权重W ，计算评分R

　　

 

　　根据评分 R 的不同，来确定首页流的推荐数目。

　　3、多次重复推送同一品类文章：多样性问题

　　用户在内容平台所希望收获的文章一定是多样的，如果在较长时间跨度里推荐系统只能覆盖单一兴趣点，那这个推荐列表在长期评估时一定是无法让用户满意的。

　　那也就是说，我们在推荐系数时，必要考虑一个因子来控制多样性问题，如果当系统想推荐文章i时，我们就要对已经在文章列表R(u)内任意文章 j ，计算相似度,引入

　　

 

　　如果系统的推荐分布频次，可以和用户点击频次挂钩，那结果就完全符合多样性要求了。

　　4、热门内容更热，冷门内容依然无人问津：马太效应

　　马太效应在UGC平台是常见的，通常体现在用户浏览参与集中于的热门文章中，大部分内容的参与度极低，也可以称为覆盖率问题。覆盖率可以描述一个推荐系统对于文章推荐效果长尾能力的发掘,指推荐文章占全部内容的占比，可以用信息熵度量。

　　作为整个UGC平台的管理方，站方有责任让所有优质的UGC内容受到关注，而并非只有热门内容，只有克服马太效应，这样才能够让发帖用户感受到更多的关注度，鼓励激发更多的优质内容。

　　加入一个因子惩罚热门权重

　　

 

　　5、产品链层次因素

　　回想在本文开篇处提出的问题：用户在好价内搜索“软毛牙刷”，那好文系统应该推送的是“牙刷测评”还是关联”口腔健康“商品的文章呢?

　　宏观来看，所有品类的商品都存在产品链上下层的关系。买了iPhone X的人可能对于手机壳感兴趣，想买普通牙刷的人可能就是漱口水、电动牙刷的潜在消费者。没有一项产品是单独存在的，既然我们要做的是提高用户消费观念，那推荐系统是不是该偏向推送更深层次的内容，加大权重。

　　6、买过的产品还要推送吗?

　　当我们已知用户购买过产品后，我们是否应该再次推送相关内容呢? 这个时候我们需要判断商品的消耗性、周期性、以及是否高话题性。这都关乎着是否再次推送内容，什么时候再推送内容。但是具体情况太多，就不做算法推导了。

　　说一个很有趣的现象，淘宝的推荐系统工程师做过实验，点击率最高的推荐项目是用户刚刚搜过，刚刚完成购买的商品。但是重复推送内容，这是一个好的推荐系统该做的吗?团队目的到底是什么：推荐系统点击率高?提供用户感兴趣的内容?KPI ?不同目的可能导致结果相差万千。

　　7、实时性

　　实时性主要是要求推荐系统在分钟级/秒级完成数据分析，作出预判，并且对其作出操作。这个问题主要面对的是技术性问题，因为许多网站的推荐系统都是以天为单位进行日志读取操作，再完成推荐动作。而如果要完成实时操作，就只能简化推荐系统算法，例如 对于User-Item行为矩阵进行扩充动作简化预测过程。

　　需要根据场景采纳不同的推荐模式，好文内容可能更适合离线式方法。

　　后记

　　其实基于值得买推荐系统，XgBoost 与Factorization Machine (最新的FFM)都可能有不错的效果，但是本文讨论以场景为出发点，不讨论算法具体内容，而且业界大多数都认可一个观点，即在推荐系统中：UI > 数据 > 算法，如果让用户接纳，并觉得懂得其心，这才是最关键的一点。

　　PS：写文章时正逢年节，喝酒误事，思路断断续续。前后内容繁杂，一人之力远无法考虑周全，只做简单思考，学习总结之用。

　　始发于简书：周CC君