一個(gè)不懂算法的產(chǎn)品聊聊推薦應(yīng)用(附思維導(dǎo)圖)
編輯導(dǎo)語:在互聯(lián)網(wǎng)的大數(shù)據(jù)下,很多功能和信息是通過算法進(jìn)行推薦的,比如每個(gè)人的淘寶推薦里,可能都是一些自己感興趣的東西,這就是根據(jù)推薦算法做到的。對產(chǎn)品經(jīng)理來說,了解推薦算法也是其工作內(nèi)容之一,本文作者結(jié)合思維導(dǎo)圖對推薦算法進(jìn)行了梳理說明,我們一起來看一下。
在網(wǎng)絡(luò)信息時(shí)代的時(shí)代,大數(shù)據(jù)、算法為用戶推薦方面提高精準(zhǔn)的效率,可以更加快速、更加智能的幫助用戶在海量的內(nèi)容中,顯示符合用戶選擇、貼合用戶喜好的內(nèi)容。推薦的發(fā)展,讓用戶可以更加“明確”他們的喜好,也可以讓平臺(tái)更加“了解”他們的愛好。
但如果不懂算法,那么怎么辦呢?難不成還要我去寫代碼?我現(xiàn)在從新開始學(xué)習(xí)還來得及嗎?其實(shí)作為產(chǎn)品,如果懂一些計(jì)算機(jī)原理、代碼會(huì)更好,但如果不懂,那么從業(yè)務(wù)方、應(yīng)用場景、功能需求上面來說,我們還是可以做一些業(yè)務(wù)功能定義,并且也能和算法工程師進(jìn)行友好溝通,不至于出現(xiàn)血光之災(zāi)。
一、關(guān)于推薦的幾個(gè)定義
根據(jù)用戶行為的推薦(對大眾用戶給出/平臺(tái)想要給的推薦),在內(nèi)容產(chǎn)品和社交應(yīng)用中,主要采用引導(dǎo)用戶選擇+根據(jù)用戶畫像匹配為條件,為用戶進(jìn)行推薦,達(dá)到更加精準(zhǔn)的目的。
1. 標(biāo)簽
給商品定義標(biāo)簽,有利于對商品進(jìn)行分類,給商品做好區(qū)分定義。因?yàn)榇嬗猩唐窐?biāo)簽,因而能夠讓我們一目了然地看到商品的相關(guān)信息,而且能夠,輕松快速地進(jìn)行庫存掃描,定義其歸類,在向用戶推薦時(shí),可根據(jù)商品的標(biāo)簽和用戶想要找的關(guān)鍵詞進(jìn)行匹配,提高算法的效率和準(zhǔn)確度。使用標(biāo)簽給商品打標(biāo)的好處是,不光給商品做了歸類的維度體系,同時(shí)還對商品的自定義屬性來配置個(gè)性化的管理維度。
2. 搜索
提供一個(gè)搜索功能,用戶在搜索入口,針對性的對想要了解的內(nèi)容輸入關(guān)鍵詞進(jìn)行搜索。比如購物平臺(tái)中,用戶一般通過商品關(guān)鍵詞+輔助性詞語給商品做一個(gè)標(biāo)簽定義,平臺(tái)根據(jù)關(guān)鍵詞匹配商品名稱(或?qū)傩裕﹣砜s小搜索范圍,展示符合用戶搜索要求的商品。
3. 分類
為什么說我們要定義屬性,因?yàn)橐獙δ愕纳唐纷龇诸悾糜趨^(qū)分。比如你去購物有3C、有生鮮、有日用品;你去看書有人文、有歷史、有成人文學(xué)(lsp都懂得);你去看電影有搞笑片、有戰(zhàn)爭片、有愛情片。
根據(jù)屬性進(jìn)行屬性點(diǎn)分類,可以幫助平臺(tái)進(jìn)行區(qū)分,或幫助用戶更快地分類找到對應(yīng)的商品。例如:我們通過分類來找書,先選擇男頻—玄幻,然后在選擇VIP—完結(jié)—300萬,得到對應(yīng)的書籍。如果沒有分類,那會(huì)出現(xiàn)一個(gè)問題,商品很亂,你本來是要看小說的,結(jié)果一直給你推薦建筑學(xué)的書,這豈不是很糟糕。
4. 熱門
顧名思義就是展示量最多的產(chǎn)品,系統(tǒng)會(huì)按照熱門的場景進(jìn)行分類。比如現(xiàn)在過年,城市不能放煙花,那么觀看其他人放煙花的需求就會(huì)很多,如果在熱門推薦中在加一些屬性,比如男神放煙花,獲獎(jiǎng)煙花大賽等,那么對應(yīng)用戶觀看時(shí),用戶會(huì)更加沉淀在其中。
基于用戶感興趣的話題,基于當(dāng)前場景進(jìn)行分類,既增強(qiáng)了用戶的身份認(rèn)知,同時(shí)還對場景進(jìn)行結(jié)合,引導(dǎo)話題持續(xù)活躍,將人、場景、商品、屬性串聯(lián)起來,形成話題導(dǎo)向。
5. 操作
針對購物應(yīng)用和短視頻應(yīng)用,就是看用戶在界面上,是否有滑動(dòng)、持續(xù)瀏覽、點(diǎn)贊、加入購物車、送禮等行為,用來對用戶的操作進(jìn)行加權(quán)平均。
那么對于讀書類軟件要怎么操作呢?用戶也不會(huì)在上面持續(xù)的有動(dòng)作啊,又不是打游戲??梢愿鶕?jù)用戶瀏覽時(shí)長,給用戶對單個(gè)詞予以評論的功能,觀看用戶是速讀,還是思考性閱讀進(jìn)行定義。
6. 關(guān)注
單體關(guān)注:在短視頻應(yīng)用中,喜歡單個(gè)視頻,可以點(diǎn)贊。那么系統(tǒng)就記錄了,該視頻的屬性,給用戶后續(xù)推薦視頻時(shí),會(huì)對該類屬性加權(quán)。但這里會(huì)出現(xiàn)一個(gè)情況,比如美食類的博主,我看了一堆,但只對這一道菜有興趣,那么我就單獨(dú)給這個(gè)視頻點(diǎn)贊。
主體關(guān)注:喜歡這個(gè)明星播主,點(diǎn)擊關(guān)注,那么后續(xù)會(huì)經(jīng)常收到該明星的視頻推薦。不局限于該播主是否更換風(fēng)格,會(huì)針對主體進(jìn)行推薦,推薦該主體下的最新視頻。
兩者是相互結(jié)合的,若系統(tǒng)發(fā)現(xiàn)該播主更換了風(fēng)格,每次推薦給用戶,用戶會(huì)馬上劃走,那么就會(huì)給播主對該用戶降權(quán)。1是減少推薦,督促播主進(jìn)行調(diào)整。2是將該播主調(diào)整后的風(fēng)格推薦給其他屬性匹配的用戶。
7. 推薦
前面已經(jīng)講了熱門,這里為啥還要再講一下推薦呢?按照場景來區(qū)分,這是兩件不同事件,分別對應(yīng)兩種操作。
(1)系統(tǒng)在內(nèi)部算法統(tǒng)計(jì)時(shí),發(fā)現(xiàn)有些新出的應(yīng)用,很符合當(dāng)前用戶的匹配,但因?yàn)槟承┰?,達(dá)不到顯示給用戶的條件,那么系統(tǒng)會(huì)調(diào)整推送的比例,把當(dāng)前這一“符合”條件的內(nèi)容,推薦給用戶,然后觀看用戶的反饋,是深度查看還是直接劃走,用于修正對用戶評判的數(shù)據(jù)。
(2)系統(tǒng)需要針對某些特定條件主動(dòng)出擊。比如廣告金主爸爸來了,需要給20-40歲的男性推薦寶馬車,那么所有人進(jìn)來的第一個(gè)視頻就是要先看到寶馬車,然后在從這些20-40歲的男性用戶中,劃分出那些經(jīng)常會(huì)看和車相關(guān)的內(nèi)容,繼續(xù)推薦第二波。
為什么要有推薦這個(gè)事情呢,因?yàn)楹芏嗟膽?yīng)用平臺(tái),都存在一個(gè)類似中介的枚舉。化妝品公司需要消費(fèi)者,品牌需要顧客,那么那化妝品公司會(huì)通過平臺(tái)找到 KOC 「Key Opinion Consumer 關(guān)鍵顧客」,寄一些新的產(chǎn)品,然后幫他們在平臺(tái)上發(fā)自己的試用報(bào)告。
在這里,我們適當(dāng)?shù)陌讶斯ぶ悄艿闹R引入,通過計(jì)算用戶畫像的標(biāo)簽,得出較為精準(zhǔn)的推薦結(jié)果,減少搜索次數(shù),提升搜索效率。評估個(gè)體能夠找到最優(yōu)解,使用自適應(yīng)的交叉和變異能使最優(yōu)解盡快收斂。
二、個(gè)性化引擎推薦
1. 精準(zhǔn)推薦
我們在做搜索時(shí),常提到一點(diǎn):根據(jù)用戶的口味和喜好給出更加精準(zhǔn)的推薦,幫助用戶快速精準(zhǔn)的找到想要購買的商品。這里有一個(gè)重要的條件是:個(gè)性化推薦算法是基于用戶的靜態(tài)信息和動(dòng)態(tài)行為信息來全方位推薦。
靜態(tài)信息:根據(jù)用戶自身屬性-性別、年齡、收入、購物時(shí)間、價(jià)格等,分別對應(yīng)進(jìn)行推薦。比如用戶是男性、25歲、月收入五千、瀏覽購物的時(shí)間基本在10點(diǎn)過后,價(jià)格不太敏感,那么用戶在搜索鍵盤時(shí),可以優(yōu)先推薦羅技、雷柏這些大眾品牌的,價(jià)格合適,針對性強(qiáng),品牌也比較響亮,質(zhì)量還不錯(cuò)。
動(dòng)態(tài)信息:通過用戶的搜索歷史、瀏覽記錄、購買記錄、物品評價(jià)記錄等,給用戶屬性進(jìn)行標(biāo)簽定義。同樣條件是:用戶是男性、25歲、月收入五千、瀏覽購物的時(shí)間基本在10點(diǎn)過后,但用戶的搜索關(guān)鍵詞有機(jī)械、鍵盤帽,那么就可以針對用戶推薦更加精細(xì)化的產(chǎn)品,比如:CHERRY櫻桃、外星人。
這些詳細(xì)的數(shù)據(jù)源形成有價(jià)值的用戶消費(fèi)行為大數(shù)據(jù),大數(shù)據(jù)基礎(chǔ)上建模應(yīng)用提升了推薦效率,更加為平臺(tái)增加了粘性。
2. 做推薦時(shí),可考慮三類推薦機(jī)制
(1)用戶畫像模型統(tǒng)計(jì)推薦
根據(jù)用戶基本信息發(fā)現(xiàn)用戶相關(guān)度,簡單的根據(jù)系統(tǒng)用戶的基本信息發(fā)現(xiàn)用戶的相關(guān)程度,然后將相似用戶喜愛的其他物品推薦給當(dāng)前用戶。比如抖音目前有海量的用戶瀏覽喜好數(shù)據(jù),用戶群體的劃分比較容易推薦相似視頻。但是抖音推薦沒有大量用戶消費(fèi)的元素,那么只能通過直播時(shí)用戶的購買、商品屬性、品牌效益、價(jià)格因素來做定義。
在這里還需要通過復(fù)制商品鏈接到其他社交平臺(tái)進(jìn)行商品共享從而形成口碑傳播,從自身平臺(tái)上形成購物鏈路較為薄弱,即時(shí)是現(xiàn)在一直在打造自身的購物屬性。(不含用戶隱私數(shù)據(jù))
(2)基于內(nèi)容元數(shù)據(jù)建模的推薦
根據(jù)推薦物品或者內(nèi)容的元數(shù)據(jù)發(fā)現(xiàn)物品或者內(nèi)容相關(guān)性,發(fā)現(xiàn)物品或者內(nèi)容的相關(guān)性,然后基于用戶以往的喜好記錄,推薦給用戶相似的物品。比如經(jīng)??从螒虻挠脩艨梢酝扑]游戲外設(shè),經(jīng)??闯圆サ挠脩艨梢酝扑]美食,但經(jīng)??疵米拥挠脩艟椭荒艹掷m(xù)推薦妹子了,LSB又窮又沒文化~
(3)基于協(xié)同過濾的推薦
根據(jù)用戶對物品或者信息的偏好,發(fā)現(xiàn)內(nèi)容或者物品本身相關(guān)性、發(fā)現(xiàn)用戶的相關(guān)性。這條和上面較為相似,但會(huì)用到用戶協(xié)同過濾算法和基于物品的過濾算法來進(jìn)行數(shù)據(jù)匹配。就比如經(jīng)??从螒虻倪@個(gè)用戶,實(shí)際是個(gè)小朋友,你推薦了一款專門打游戲的手機(jī)給他,沒有效果。那么我可以推薦另外一個(gè)游戲下載,通過游戲下載來進(jìn)行用戶轉(zhuǎn)化。
3. 多數(shù)據(jù)混合推薦
采用多種推薦機(jī)制將結(jié)果分不同的區(qū)顯示給用戶?,F(xiàn)在越來越多的應(yīng)用,都在猜測用戶,得到用戶反饋的結(jié)果也較為準(zhǔn)確。這個(gè)精準(zhǔn),可以通過下面3點(diǎn)來進(jìn)行分析:
(1)當(dāng)你進(jìn)入一個(gè)新的應(yīng)用時(shí),應(yīng)用會(huì)先詢問你喜歡什么,比如攝影、看書、游戲、美食、明星、電影等,當(dāng)你做了選后,根據(jù)你注冊時(shí)提供的用戶基本屬性,去匹配喜歡區(qū)域的內(nèi)容?;谟脩魧傩缘耐扑],系統(tǒng)會(huì)組織其他用戶反饋喜歡的內(nèi)容進(jìn)行推薦,并且實(shí)時(shí)更新數(shù)據(jù)。這里還會(huì)在做新的推薦,還會(huì)做幾組不同屬性的內(nèi)容識別用戶的操作,看用戶是深入觀看,還是迅速劃走。
(2)推薦的用戶選擇屬性的內(nèi)容,基于協(xié)同過濾算法,然后在根據(jù)用戶最近瀏覽的內(nèi)容、瀏覽長時(shí)間的內(nèi)容、進(jìn)行互動(dòng)操作的內(nèi)容向下推薦,匹配出和用戶相關(guān)的內(nèi)容,幫助用戶選擇喜愛觀看的內(nèi)容。比如商品,那么推薦同類屬性的商品,基于不同的品牌、價(jià)格、規(guī)格,節(jié)省用戶對于商品的查找時(shí)間。
(3)同時(shí)對內(nèi)容進(jìn)行標(biāo)簽定義,根據(jù)上面用戶的屬性匹配,按照匹配度,從上到下進(jìn)行精準(zhǔn)交錯(cuò)推薦。同時(shí)還要適當(dāng)?shù)耐扑]一些超出用戶屬性以外的內(nèi)容,一方面是減少用戶的審美疲勞;另外一方面高標(biāo)準(zhǔn)的推薦,可以給用戶更新的選擇。
三、思考
思考是一個(gè)產(chǎn)品人的基本要求,對于自我提升非常有幫助,畢竟1000個(gè)優(yōu)秀產(chǎn)品人就有1000套獨(dú)特的工作方式。如何把自己的成果有效的展示出來,并且凸顯出來,這就非??简?yàn)產(chǎn)品人的文字功能了。
做產(chǎn)品需要掌握一套有效的方法論,無論是前輩總結(jié)出來的aarrr、kano、mvp還是自己定義的先規(guī)劃,在調(diào)研,然后讓用戶試用后反饋,這都是需要有針對性、有目的性的去做執(zhí)行,然后將內(nèi)容進(jìn)行提煉并且轉(zhuǎn)化為自己的核心價(jià)值。對于產(chǎn)品人來說,要全面高效的獲取各方面的知識,讓自己全面發(fā)展、快速成長,這點(diǎn)是非常重要的。
做產(chǎn)品容易,做一個(gè)好的有價(jià)值的產(chǎn)品,這個(gè)就很有難度了。
本文由 @老虎~色 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
請教下,推薦系統(tǒng)像抖音這類應(yīng)用具體做的好的方面除了算法層面外,對用戶畫像的刻畫標(biāo)簽具體是怎么做的?
很復(fù)雜,我就是寫代碼的,簡單的實(shí)現(xiàn)過
我不管,我就要實(shí)現(xiàn),一個(gè)新用戶注冊后,你要把用戶上下三代的用戶信息都獲取到;還不需要讓用戶填寫身份證,直接用第三方授權(quán)登錄就可以了。
先做用戶畫像做標(biāo)簽,先去做內(nèi)容識別:年齡、地區(qū)、興趣愛好等這些。然后根據(jù)這些去人為的去做分類,比如你20歲-30歲,喜歡打游戲,那么給你推薦的就是游戲視頻、女主播這些。后面在不斷的精細(xì)化分類調(diào)整。
這里確實(shí)是簡單說兩句很方便,但實(shí)現(xiàn)起來卻很麻煩~
嗯嗯,明白了,老哥留個(gè)聯(lián)系方式我加你,這塊兒還想好好請教你下
PM-PPP
先碼后看
:)歡迎留言討論
牛年大吉
牛年大吉~~~