时间: 2021-08-03 09:26:35 人气: 18 评论: 0
关于机器在用户画像和内容画像精准构建出来之后，如何做推荐呢？本文以今日头条为例，跟大家谈谈推荐策略。
首先，为了方便读者更好的理解本文，笔者将以今日头条（建议在手机上下好“今日头条”APP，且最好注册一个头条号并登陆到后台）这款产品为例输出一些内容推荐（分发）相关的“干货”。
回到标题，何为推荐？
简言之：“物以类聚，人以群分”。
那何为物，何为人呢？
答：物为内容（文章/图文/视频等），人为用户（**今日头条的用户）。
那么机器怎么知道内容和人属于什么类别（断物识人）呢？
再答：“内容画像”和“用户画像”的构建，而推荐的过程其实就是完成用户和内容的匹配。
那么什么是“内容画像”和“用户画像”呢？机器是如何对两者进行精准构建和匹配呢？
内容画像，简单来说就是内容的特点。如果具象化内容，笔者更倾向于假设是一个内容漏斗（类似于倒三角形用户漏斗，不过所示关系不一定为层级关系，见图1）。第一层通常表示内容的一个垂直领域（大类别）而后面几层可以大致表示为标签/关键词/主题词等小类别。
（图2：百度图**，仅图示忽略文字）
考虑到内容漏斗有很多层，为了便于理解，笔者简单说一下用户可以直观看到的几层。最显眼的可能就是第一层了，在头条（指今日头条）内部通常指的就是垂类（垂直领域），如：科技、娱乐、体育等。
举个栗子：笔者昨天发布的一篇软广，被机器识别成了“科技”领域的文章。那这个内容第一层就是科技，通常为机器标注（涉及NLP技术：文本分类、命名实体识别等）、人工手打（传说中“打tag”的一种主要形式），或PUGC创作者（统称：头条号）在发布内容时进行领域选择，不过，现在发布内容已不需要进行选择。
显然，光知道内容的大类并不能给用户精准的推荐感兴趣的内容。这里再讲一层，其实也是一种打tag的形式（涉及NLP技术：文本主题/关键词抽取），只是平台根据用户的喜好对内容做更进一步的更细化了。还是上面举例的这篇文章，对应的一些细分tag就有vivo、手机、科技等。
当然，这个内容漏斗远不及这两层，细分其实有很多种，比如接着上文举例的文章来说，漏斗可能是这样的：科技->手机->Android->vivo->vivo旗舰机->vivo NEX->vivo NEX双屏版。而细分的惊喜，内容画像也就越清晰，推荐才越精准，当然，技术难度也是同样提高的。
因此，像头条比较强悍的竞品之一，一点资讯号称365万个个性化订阅频道，可想后面支撑的一个推荐算法团队是有多强。
当然，除了内容的特点之外，内容画像还包含内容的质量、热度、原创度、所发布用户的权重等。而这个权重指的就是头条对头条号所发布文章的推荐权重（更多的是内容冷启动推荐数量，以及后续推荐的加成幅度）。
说到推荐权重，就不得不提一下之前平台为了让头条号作者们过新手/评原创有一个量化的指标，即头条号指数（如图6所示），而这个头条号指数其实可以理解为平台对于头条号的一个打分，决定了头条号所发布内容的推荐权重。而头条号指数的评定标准有5大方面（如图7）：原创度、垂直度、关注度、健康度、传播度。不过，现在头条号Web端后台已经看不到了，不过手机端还可以看到。
（图7: 2017年6月26日笔者头条号后台）
什么是用户画像呢？简而言之就是你（显式&隐式）的基本特征（比如：性别、学历、年龄、常驻位置等）和兴趣爱好（篮球迷、数码控、动漫迷等）所构建出来的一个“属性图”（技术通常称为“知识图谱”）。
举个栗子：我们通常被机器标注成一个数据组合（如图9）：科技 | 20%、体育 |10%、娱乐 | 30、养生 | 5%……..
（图9：用户画像实例，来源《内容算法》）
那么问题来了，机器如何知道一个用户的画像呢？
首先，用户分为新用户和老用户两类。针对前者就涉及到了用户画像构建的一个常见且难点（策略产品面试比问）——（用户）冷启动，通常面试官**问你，如何做用户冷启动？
那么笔者告诉大家一个常见的答案：
通过你在不同领域内容的用户行为，判断你对内容的兴趣度，从而构建你的一个初步用户画像（这是当前常用的一种用户冷启动方式）。比如：打开头条，给你冷启动推送了12条内容（3条NBA+3条娱乐+3条科技+3条美食），然后你点击了3条体育，2条数码，1条娱乐…..。
那么，最开始的用户画像（V1.0）可能为体育 | 30%，数码领域 | 20%，娱乐领域 | 10%，其他领域 | 20%，目测是一名男性，爱好运动，科技宅等。然后，还发现里面2条体育内容都是和科比有关的，那么你大概率是个男性科密数码控。
后来，你变成了老用户，随着你使用头条的次数越多，你产生的用户行为数据越多，背后的模型就**被训练的越“聪明”。随着你“**”的越多，你的用户画像也**随之发生不断的变化，变得越来越细化，越精准。
最后，关于机器在用户画像和内容画像精准构建出来之后，如何做推荐呢？
事实上，这其实就是一个匹配（match）的操作。当然，简单说匹配笔者认为还是不够恰当，因为除了这2个用户画像和内容画像（相关性特征）之外，机器在训练模型时还**考虑热度特征（全局热度、分类热度等）、协同特征（相似用户、兴趣分类用户等）、环境特征（时间、地理位置等），详见图10。
（图10：来源文章“今日头条算法原理（全）”）
那么，机器学习到了这些如图6的这些特征之后，推荐模型就**被不断的更新（准确的说是模型的参数在发生更新，如：神经网络在做后向传播时**在每一次迭代时发生相关权重参数的变化），最后机器呈现给不同用户的内容也**因为这些特征的不同而不一样，甚至同类型的用户，也就是所谓的“千人千面”（最早用在电商平台）。而作为内容“消费”平台，这里主要指的是内容分发。
那么如何让内容分发变得更加精准呢？
这里不得不提这两个名词，即：召回和排序。这里难讲，简言之，召回比较依赖于内容和用户的标签匹配度，而排序则涉及到一个用户兴趣倾向性，或者是一个更加细粒度的匹配问题上，因为要保证合适的内容放在合适的位置。
比如：笔者是一个数码控，那如果推送12篇内容给我，我更倾向于第一篇是关于数码的而不是娱乐的。而排序也往往能够反映出推荐策略的优秀程度。因为只有让用户最快的触达你感兴趣的内容才**产生更多的留存，才**激活，才能进行转化（才能更便于平台推送广告等商业化操作）。
当然，AI时代，决定模型表现，或者说我们这里的推荐系统（也可以理解为是一种机器学习模型）的表现，除了算法本身，还有算力（指的是计算机运算能力，这方面头条和竞品无法拉开差距，因为这是钱能够解决的问题），还有另外一个关键项就是数据（高质量的数据）。
关于数据的重要性，让我想到了带我做科研的一位博士师兄（目前在Amazon做推荐）说过的一句话：“Garbage in, Garbage out”，而这句话更适用于AI+产品落地上。简言之，数据对于推荐结果（或者说内容分发）的好坏起着十分根本性的作用。
说到这，请大家跟着笔者思考一个问题，头条DAU（日活）据说2.4亿+，而每个用户日均使用时长70min+，假设用户阅读一篇内容（文章/视频）的平均时间是2min，那么用户阅读内容数据得有2.4亿*70/2 = 84亿+（条）！。
所以，回到最开始的问题，为啥说头条推荐如此牛逼呢？
那是因为推荐算法的3个核心壁垒，头条都属于业内前列（甚至可以称得上是国内NO.1）。
以上，皆为笔者粗鄙之见，所讲内容只是今日头条推荐算法里的极少部分，背后的Model和Data十分庞大与强大，纰漏难免，还望谅解并给予批评指正。
另外，笔者认为机器（计算机）再厉害，也是人类所“赋予”的，机器越来越聪明的背后反映的应该是人（如：推荐算法团队| Modeling & Data processing）在不断的进化变强！
『参考』：
本文由 @不二互联网-Alex 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
