推荐系统之 trade-off

原以为推荐系统只是一个能在所有内容里给用户推荐他所喜欢的,且保持多样性不会陷入一种信息茧房。而冷启动只是为了能够在新用户 / 新内容来的时候能更快的得出表示,更好的服务于推荐。

 

最近看了很多工业界对推荐系统的理解,没想到推荐里有发布者、用户与系统的一场博弈。

  • 对发布者来说
    • 粉丝增长缓慢会降低新内容的上架速度
    • 且增长曲线先快后慢或者缓慢稳定上升都会影响内容发布者的成就感
    • 进而间接影响新内容的质量与上架速度
  • 对系统来说
    • 需要考虑一定的流量下如何分发所有内容能更好的吸引用户的留存(特别新用户冷启动时的留存)
    • 需要考虑预测新内容是否为优质内容(高质内容迅速高热),并在一开始为其分配相应权重,而对非优质内容也要合理推荐提高发布者的积极性(发布者不积极会陷入恶性循环)
    • 在发布者也是用户的情况下是否可以指导新内容的产出(如主题指导等)
    • 如何引入规则来从内容生态、冷启动、产品业务角度给予一定的扶持 / 打压
    • 如何牺牲一些指标(比如牺牲一个位置用来做别的事),并做一些长期的有益的事情(如培养用户的品牌认知、提高活跃用户数)
    • 面对感性理性并存用户的主观行为如何获取有用的信号
  • 而对用户来说
    • 如果推荐的内容质量低 / 不喜欢则会降低对平台的兴趣(特别是新用户)
    • 如果内容标题党成分高导致被骗或者评论诱导阅读 / 购买结果不符合预期也会产生情绪

期待继续更新…


  • 6 只已被捕捉
    • 菜菜 Chrome | 91.0.4472.106 Windows 10

      虽然看不懂,但是 qqtql

      • 千千 Chrome | 92.0.4515.107 Mac OS X

        cc 最强啦!

    • 優惠券 Chrome | 90.0.4430.93 Mac OS X

      很棒的內容! 保持良好的工作!

      • 千千 Chrome | 91.0.4472.101 Mac OS X

        感谢感谢!

    • 瞭月 搜狗浏览器 Windows 10

      • 千千 Chrome | 91.0.4472.77 Windows 10