推荐策略产品经理必读系列—第一讲推荐系统的兴起.docxVIP

推荐策略产品经理必读系列—第一讲推荐系统的兴起 太多技术大咖们在分享推荐系统的知识，本系列作为一个策略产品从业务视角和行业整体变化趋势来为大家详细介绍一个推荐策略产品经理需要了解到的行业趋势和必备的策略知识。 一、推荐系统在国内的兴起由来 站在2022年这个时间点大家都知道推荐系统在各大APP得到了广泛的应用，但站在整个国内互联网行业发展的视角，推荐系统在国内的兴起是有几个非常大的标志性事件的。 事件一：2012年今日头条的上线，第一个完全利用推荐系统进行流量分发的内容类APP 2012年张一鸣带着自己积累多年的推荐算法从“九九房”辞职开始自己的第五次创业，成立了“字节跳动”。随后推出的第一款产品就是今日头条APP。 在2012年那个时间点，张一鸣就已经意识到未来是移动互联网的时代。而移动互联网必将给人们带来爆炸信息，使人们面对的选择越来越多，面对信息超载，人们常常无所适从。 在这种情况下，传统人工编辑的信息分发模式已经不能适应了，一方面效率低下一方面人工成本太高，而通过推荐系统来实现更加智能和个性的推荐就是最好的方式。 相信大家用过今日头条APP的对于今日头条APP的推荐能力都很清楚，推的实在是太准了。可以称之为第一代“时间熔炉”，那时候还没有精神鸦片抖音。今日头条的上线是一个国内推荐系统发展的标志性事件，代表着推荐系统开始慢慢走向了台前。 事件二：2015年淘宝双11全面开启“千人千面”时代 很多人知道蒋凡是因为他和张大奕的绯闻，但很少有人知道为什么蒋凡作为一个被阿里收购公司的员工能够在阿里晋升地如此之快，一直到成为阿里的太子。 蒋凡在阿里能够快速升迁做到阿里太子的位置，离不开蒋凡成功地将阿里从PC时代完成向移动端的转型。蒋凡在阿里主导搭建了阿里的“千人千面”的推荐系统，以及成功布局了淘宝直播。2015年淘宝的双11正式全面开启“千人千面”时代，以往大家在淘宝首页看到的推荐商品和频道等基本上都是一样的，并没有实现按照用户兴趣的个性化分发。 而在2015年的双11，淘宝正式宣布开启“千人千面”的时代，这个背后的推手就是蒋凡。而当年双11的成交额无线占比74.83%。从此以后蒋凡带领着阿里，从月活跃用户4亿多，一直提升到巅峰期接近9亿。 淘宝开启“千人千面”的时代标志着推荐系统在电商领域的分发效率也已经远远超过了传统的人工配置或者BI的方式，推荐系统已经渗透到了人们生活的很多领域，从阅读新闻到网上购物等； 事件三：2020年淘宝双11前首页改版，首页焦点图下移，推荐模块上提 2020年双11前夕淘宝首页发生了一个大改版，就是原本首页最上方的横版焦点图下移到了下方推荐信息流模块的第一坑，而中间的各种频道和运营楼层全部下线，最下方的“猜你喜欢”模块大幅上移。而淘宝为什么这么做？核心原因其实也就只有一个，以往的这种信息分发方式已经不能适应当前用户的需求了，已经不是最优的信息分发模式。 各种运营手动配置的楼层下线，大幅提升基于推荐模型千人千面分发的“猜你喜欢”模块的位置。 以上三个事件可以说是推荐系统在国内互联网领域应用的标志性事件。而在这些事件中推荐系统解决了一个核心的问题：如何实现日益增长爆炸式的信息与用户不断变化兴趣和需求之间的高效匹配。 二、推荐系统为什么会兴起？ 那推荐系统为什么在2010后才开始蓬勃兴起，早在上世纪90年代就已经有了各类推荐算法如协同过滤等，那时为什么推荐系统没有发展起来？推荐系统的兴起是因为4大因素在一起促进了推荐系统的蓬勃发展。 2.1 时代的变化 2010年开始智能手机的普及，互联网慢慢由PC时代进入移动时代 ，用户可以无时无刻拿着手机上网，同时4G网络的普及网速更快流量也更便宜了。人们开始有更多时间在网上漫无目的的冲浪，同时人们也不断地在网上生产更多的内容。爆炸式的信息增长和爆炸式的用户增长，二者之间如何实现更好的匹配。就需要一种更加智能的方式，也就是推荐系统。 2.2 数据的积累 同时因为移动互联网时代的到来，用户在网络上表达的行为信息越多，计算机可以采集到的用户行为信息也就越多。推荐模型就有了更多的数据去学习，去了解用户的兴趣和需求，推荐系统就可以推的更“准”。 2.3 技术的进步 大规模机器学习和深度学习在推荐系统领域的应用。2010年以前推荐系统主要使用的还是传统的协同过滤和基于内容推荐的算法。 2010年以后随着算法科学家们在推荐系统领域的不断研究，将大规模机器学习框架引入到了推荐系统领域，大幅提升了推荐系统模型分发的效率和效果。后面又随着深度学习模型的应用，推荐系统的推荐效果也越来越好，对于用户和物品的特征挖掘的更深更广。 2.4 算力的进步 AI的发展离不开：算法、算力和数据。作为AI在工业界应用最广的场景：推荐场景。推荐系统的发展自然也离不开算力的进步，当复杂的模型需要基于海量的数据