在谈推荐系统之前,请先避免这4个问题.pdf

在谈推荐系统之前，请先避免这 4个问题 缺乏科学精神的 产品理想主义“ ”与 技术理想主义“ ”要不得。 最近正在忙推荐系统的一些事，归纳出来了几个新人或者是技术人员需要注意或已经注意到还没说 到点子上的那些问题，以供给各位一些参考。 一、高估系统对用户需求的捕捉能力 我们都说，搜索引擎是满足用户主动需求的产品，而推荐系统则是满足用户隐含需求的产品。当用 户明确需要什么信息，就把需求转化为检索词，丢到搜索引擎，搜索引擎帮用户找到它，而推荐系 统则能良好的感知用户未明确陈述的需求，为其呈现信息。那么问题来了，既然推荐系统能够捕捉 用户的需求，也就是说用户还没丢关键词给搜索引擎之前已然知道用户要什么，直接为用户呈现出 信息不更好？还需要搜索引擎干嘛？！ 当然更好，当然很好，只是做不到。 用户的需求是多变的，其中暗含着某些规律，但却不可能被完全的，彻底的捕捉到，例如用户浏览 一个商品页面，可能他对网页上的产品感兴趣，可能他被网页上的代言美女吸引，可能他在为女友 准备礼物，可能他在为家人准备年货，也可能只是误操作罢了，这些细节被系统感知到的难度太大 ，所以我们无法知道用户下一步要去做什么，哪又如何推荐？ 推荐系统有其边界，一切技术均有其边界，局限于当前技术成熟度，局限于数据，局限于现实世界 与技术世界的距离。当产品经理不了解技术的边界，而技术人员则缺乏产品思维的时候，这种错误 便容易发生。 二、不顾场景，强暴用户需求 假设你非常喜欢榴莲蛋糕，任何人送你一款这样的蛋糕你都无比高兴，任何人推荐一款这样的蛋糕 你一定会认真考虑。但是如果某一天你正在私宅床上与女友翻滚厮磨，有一人推门而入，问你： 根“ 据俺们系统的分析，请问您是否需要一款美味的榴莲蛋糕？ ”，不知你是否感觉开心。而有一天你正 在厕所，蹲坐在亲爱的马桶上，同样这个人也推开门问你 请问您是否需要一款美味的蛋糕？“ ”你有 没有不去把他打死的冲动？ 这是典型的 不顾场景“ ”的案例。 可能系统良好的挖掘了用户的需求，但是如果不顾场景，带来的将是用户巨大的反感。例如，我们 公认的基于社交网络进行各种类型的推荐都是非常好的推荐思路：你所熟悉的人的行为对你有着非 常好的借鉴作用。这一点没错。但是一般而言，对商品的推荐还是要放在商品售卖网站，对电影的 推荐也请放在电影票售卖网站（个人觉得这个推荐应该放在相关的网站中，比如用户在浏览产品的 新闻的时候，也可以进行推荐。当然现在这种情况下的推荐多是广告）。浏览这些网站的用户，都 带着强烈的隐含需求，但选错了地方，往往形成对用户的 强暴“ ”，安能不败。（比如 360 浏览器，自 己本身带有广告过滤功能，能屏蔽网页中的广告插件，但是自己却会弹出 今日特卖“ ”做广告，这点的 确很反感。） 三、将 “推荐 ”理解为 推送“ ” （这种情况更多的是广告） 继续第二个坑的故事，被揍的推销员遁回家后万般委屈，当脑海中萦绕着的 我咋知道你啥时候需要“ 榴莲蛋糕，我咋知道你啥时候蹲厕所 ”的幽怨思绪沉寂下来后，痛定思痛决定不再到用户家里推销， 而是告诉用户，需要蛋糕的时候打个电话给他，他会推荐几款最好的蛋糕给用户，终于避免了被揍 并且收获了不菲订单。 用户渴望惊喜，又憎恨被打扰的折中究竟在哪？ 不妨变主动变被动，当下无数的互联网产品都有一个 发现“ ”模块，包括微信， Twiiter 等大量产品。 用户有需求的时候，会主动的找 推荐“ ”，避免被打搅。而对于推荐系统，也避免对用户形成打扰，引 起用户反感。 四、不顾用户需求的 “个性化 ”程度，粗暴技术选型 我们将推荐系统的目标进行简化，假设它要解决的是点击率 / 转化率预估问题（但实际上远不止这个 问题，本文不展开）。那么这些指标都与哪些因素有关？我们用 看岛国片子“ ”为例，也就是说，用 户点击 /观看一部被推荐片子，都与哪些因素有关？ 五、总结 其中这几个因素，有一定的界限，其对应的技术选型也不同，如果只有