产品视角下推荐 排序系统的冷启动问题（一）.pdfVIP

产品视角下推荐/排序系统的冷启动问题（一） 对做排序或者推荐功能相关的产品经理来说 ，机器学习不是什么陌生的 概念，大家经常看到的各类产品的推荐内容也在向用户传输机器学习的概 。 “看过这件商品的用户也看过” “听过这首歌曲的用户也听过” “您也 许认识XX” “您的好友也关注了XX”等等这一类的推荐功能大家已经非常 熟悉 ，排序上面应用这种方式的可能不那么明显 ，但是稍加留意 ，你也会发 现许多电商平台上展现给你的列表中前面的一些内容和你曾经看过的一些 东西好像有些许的关联。如果你恰好是个爱思考的人 ，那么大概已经猜到了 这类功能的实现方式：通过用户和item（歌曲、商品、好友关系）的历史 数据，（经过合适的协同过滤或其他算法）来给用户推荐Ta可能感兴趣的 内容。 这种机器学习方式的排序/推荐策略效果是非常明显 ，根据一些公开的数 据，亚马逊网站通过推荐带来的销量比例占到了20%以上，而在笔者的产 品实践中 ，也证明了根据用户历史行为对排序策略进行调整和作出推荐对提 高转化率有明显的正面作用 ，因此在排序和推荐等产品的策略制定中，根据 用户历史行为做调整也是大家经常会关注到的内容。从上面的描述中你可能 已经注意到，这类策略有一个基本前提就是用户和Item要有足够的历史数 据来进行计算，如果用户或Item已