平臺想要提高推薦內(nèi)容的點(diǎn)擊率，根據(jù)用戶習(xí)慣進(jìn)行個(gè)性化推薦是不錯(cuò)的方式。如何做好個(gè)性化推薦理由？具體實(shí)現(xiàn)方式有哪些？本文作者圍繞推進(jìn)理由進(jìn)行了多方面的分析，對此給出了自己的看法。

APP：我們有很強(qiáng)大的推薦系統(tǒng)，我給你推薦的這個(gè)電影你肯定喜歡！

用戶：我為什么喜歡這個(gè)電影？理由呢？你蒙的吧你？

APP：我當(dāng)然知道了，我是個(gè)性化推薦系統(tǒng)，我有很復(fù)雜的算法在運(yùn)作的。

用戶：算法？你還是沒有給我理由。我不信任你，我不喜歡用你這個(gè)APP。

APP：……

個(gè)性化推薦系統(tǒng)是盡可能從海量的數(shù)據(jù)中挖掘出用戶喜歡的內(nèi)容，滿足用戶的需求。這樣可以節(jié)省用戶的時(shí)間，幫助用戶進(jìn)行過濾，捕捉自己感興趣的內(nèi)容。

一個(gè)好的個(gè)性化推薦系統(tǒng)可以吸引更多的用戶并為公司創(chuàng)造持久的商業(yè)價(jià)值。當(dāng)然前提是用戶信任你的推薦系統(tǒng)，將復(fù)雜的推薦算法通過簡單易懂的文字展示給用戶，用戶會(huì)更加信任給出的推薦。

一、推薦理由是什么

推薦理由，也稱作推薦解釋，簡而言之就是在推薦物品的同時(shí)給出理由。

圖1? ?推薦系統(tǒng)簡單架構(gòu)

如圖1所示，在整個(gè)推薦系統(tǒng)中，推薦理由一般處于最后一個(gè)階段。

針對某個(gè)用戶，經(jīng)過召回，過濾，排序階段，在最終給出推薦結(jié)果之前就可以給出各個(gè)被推薦出來物品的理由。

隨著移動(dòng)互聯(lián)網(wǎng)的迅速普及，人們對推薦的要求越來越高，更多的人對于推薦系統(tǒng)推出的物品還希望知道為什么。

如圖2所示，分別是知乎、淘寶、拼多多、愛奇藝的推薦結(jié)果和理由的頁面。

圖2? 各大APP的推薦理由

在知乎推薦中，“程序猿、佛系青年”是關(guān)于作者的一些特征，“超過15W的用戶關(guān)注了TA”告訴用戶該作者發(fā)布的內(nèi)容質(zhì)量不錯(cuò)；

在淘寶推薦中，“相關(guān)內(nèi)容推薦”給出該篇功能文章的相關(guān)的一些內(nèi)容文章，“相關(guān)推薦”則是推薦出一些跟該物品相似的物品供用戶選擇；

在拼多多推薦中，“寶寶洗浴護(hù)膚品暢銷前十”是告知用戶該物品是熱門物品，大家都在買你也可能想買；

在愛奇藝推薦中，“看了《隱藏人物》可能還想看”，“喜歡《斷箭（韓國）的人都和它有緣》”……

這些推薦理由都是根據(jù)用戶之前的行為給出的。

從這些典型的案例中我們可以簡單感受到，一個(gè)好的推薦理由確實(shí)可以給到用戶正反饋，拉進(jìn)推薦系統(tǒng)和用戶的距離，將黑盒般的推薦算法透明化，達(dá)到事半功倍的效果。

二、為什么需要推薦理由？

在現(xiàn)實(shí)生活中，選飯店時(shí)候經(jīng)常有朋友會(huì)問哪家好吃，我們在推薦的時(shí)候一般都會(huì)說：XX餐廳好吃，他家環(huán)境好，價(jià)格合適，服務(wù)員還非常熱情。這其實(shí)就是生活中的一種給出推薦理由的方式。

有了推薦理由的推薦比簡單給出一個(gè)推薦結(jié)果更讓用戶信服，更愿意去選擇它。

如果在互聯(lián)網(wǎng)的虛擬物品里，我們能夠做到跟現(xiàn)實(shí)中的推薦一樣在推薦物品的時(shí)候給出一個(gè)合適的推薦理由，就可以提高推薦系統(tǒng)的透明度，提升用戶的對推薦系統(tǒng)的信服度，進(jìn)而提升用戶體驗(yàn)。對于APP而言，可以更好的留住用戶，進(jìn)一步擴(kuò)大產(chǎn)品的盈利。

推薦理由存在的意義，就是為了更好的獲取用戶對推薦系統(tǒng)的信賴。為了設(shè)計(jì)一個(gè)合理的推薦理由，我們需要考慮如下表1所示的幾個(gè)設(shè)計(jì)目標(biāo)：

目前大多數(shù)推薦系統(tǒng)還停留在只關(guān)注點(diǎn)擊指標(biāo)，只要給出推薦物品就可以的階段，但是對于一些專業(yè)性比較強(qiáng)的垂直領(lǐng)域行業(yè)，比如金融、醫(yī)藥、風(fēng)控等，給出推薦理由將會(huì)成為一種必要，給出專業(yè)性的解釋，對用戶更友好，更方便引導(dǎo)用戶。

不是所有人都是推薦系統(tǒng)方面的專家，對于用戶來說，他不光需要得到推薦結(jié)果，還需要知道為什么給他推薦該物品，通過這種方式才能使用戶更加認(rèn)可和信賴該推薦系統(tǒng)。

三、推薦理由的實(shí)現(xiàn)方式

推薦系統(tǒng)是一個(gè)復(fù)雜的工程，包含很多功能模塊，首先是用戶行為獲取解析，然后經(jīng)過從海量物品里召回部分符合個(gè)性化需求的物品作為推薦候選集，最后再進(jìn)行過濾排序，給出最終推薦結(jié)果。

每一個(gè)功能模塊都會(huì)包含很復(fù)雜的算法，在推薦系統(tǒng)中還需要插入一個(gè)推薦理由的模塊，可想而知要做好不是一件簡單的事情。

推薦理由不同于嚴(yán)謹(jǐn)?shù)耐扑]算法，它可以是有很強(qiáng)的因果關(guān)系，也可以是簡單的一個(gè)理由。

比如，因?yàn)槟阍?jīng)看過A電影，看過A電影的大多數(shù)都喜歡B電影，所以我給你推薦B電影，這就是一種嚴(yán)謹(jǐn)?shù)囊蚬P(guān)系推薦解釋；

再比如，今天是國慶節(jié)，我給你推薦五星紅旗，這就是一個(gè)比較簡單的沒有很強(qiáng)因果關(guān)系的推薦理由。構(gòu)建可解釋的推薦系統(tǒng)一般有以下幾種方式：

1. 基于用戶的推薦理由，基于用戶相似的推薦，建立兩個(gè)用戶的關(guān)系，結(jié)合用戶畫像做推薦解釋。比如：你的好朋友A也看了這個(gè)電影；
2. 基于物品的推薦理由，基于物品相似的推薦，建立兩個(gè)物品的關(guān)系，結(jié)合物品畫像做推薦解釋。比如：這個(gè)電影是你看過的電影A的同一個(gè)導(dǎo)演的作品；
3. 基于召回方式的推薦理由，比如熱門召回：這個(gè)電飯鍋是熱門前十；
4. 基于排序模型的推薦理由，比如LR模型：給出推薦的物品，可以選擇權(quán)重非0特征中從高到低的幾個(gè)特征作為推薦理由；
5. 其他推薦理由，比如環(huán)境相關(guān)：你現(xiàn)在在成都，給你推薦XX麻辣小火鍋

四、推薦理由的機(jī)遇與挑戰(zhàn)

推薦理由作為推薦領(lǐng)域探索比較少的一個(gè)方向，目前工業(yè)級推薦里的推薦解釋還比較單一，還有很多方面值得探索和研究。

參考推薦理由相關(guān)的文章，一共歸納出三種可供研究的方向：

1. 利用知識圖譜增強(qiáng)算法解釋能力。知識圖譜是推薦系統(tǒng)外部的一種可解釋非常高的載體。我們可以利用知識圖譜來打通物品、用戶和特征這三類媒介之間的關(guān)系，根據(jù)具體情況靈活選取最合適的媒介進(jìn)行推薦解釋；
2. 通用的可解釋框架?，F(xiàn)階段的所有可解釋性的推薦系統(tǒng)都是強(qiáng)耦合的，都只能適應(yīng)當(dāng)前的推薦系統(tǒng)。對于新興的模型或者場景，并沒有一個(gè)完全通用的推薦理由方案。如果能研發(fā)出衣蛾通用的可解釋框架，將會(huì)促進(jìn)推薦可解釋性的快速發(fā)展；
3. 結(jié)合機(jī)器學(xué)習(xí)模型自動(dòng)生成推薦理由。目前的推薦理由還停留在需要人為預(yù)先設(shè)定的階段，如果有一個(gè)模型可以自動(dòng)學(xué)習(xí)出帶有人類感情色彩的推薦理由，推薦理由的發(fā)展將會(huì)步入一個(gè)新的臺階。

本文由 @達(dá)觀數(shù)據(jù) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議