AI要如何助力冷啟動(dòng)個(gè)性化推薦?
本文講的冷啟動(dòng)的特點(diǎn)是指從心理學(xué)的角度利用AI算法模型構(gòu)建冷啟動(dòng)模型,實(shí)現(xiàn)個(gè)性化推薦。
數(shù)據(jù)是AI的基礎(chǔ),算法是AI的本質(zhì),當(dāng)一個(gè)產(chǎn)品項(xiàng)目一開始沒有數(shù)據(jù)基礎(chǔ)的時(shí)候,需要用心理狀態(tài)模型來做個(gè)性化推薦給到用戶。
用心理算法模型解決個(gè)性化推薦4步方法:
第1步 用戶心理模式
作為現(xiàn)代心理學(xué)的核心內(nèi)容之一,社會(huì)心理學(xué)認(rèn)為:人的心理受市場(chǎng)環(huán)境的影響,在市場(chǎng)環(huán)境和自己的雙重因素下從而形成相對(duì)固定的模式。
根據(jù)此原理,不同的用戶,具有不同的心理狀態(tài),不同的心理狀態(tài)對(duì)應(yīng)不同的興趣模式。筆者根據(jù)產(chǎn)品經(jīng)歷把這樣的用戶心理模式,稱為用戶的心理狀態(tài)集。
由于用戶興趣本身具有一定的模糊度,因此,會(huì)根據(jù)具體產(chǎn)品結(jié)合模糊數(shù)學(xué)的相關(guān)知識(shí),可以定義用戶的心理狀態(tài)模式集如下:
定義1(模糊用戶的心理狀態(tài)模式集)
Satt={([S1,S2,…,Sn],[F1,F(xiàn)2,…,F(xiàn)n,]},且,其中Sn代表用戶的第n個(gè)心理狀態(tài),F(xiàn)n代表用戶對(duì)于Sn狀態(tài)的隸屬度。
一個(gè)用戶同時(shí)可能擁有多個(gè)心理狀態(tài),比如:心理年齡20一30、戀愛中、未婚、女性……這些有不少是用戶的自然狀態(tài),同時(shí)也是用戶的心理狀態(tài),但也有不少是完全的心理狀態(tài),它們共同決定用戶的喜好。
用戶在每一個(gè)心理狀態(tài)中的隸屬度并不相同,比如:用戶A對(duì)于“心理年輕20一30”這個(gè)狀態(tài)的隸屬度為0.2,對(duì)于戀愛中的隸屬度為0.4。
這表明,此用戶在戀愛中的可能性要大于20一30這個(gè)心理年齡。
第2步 商品對(duì)應(yīng)的用戶心理模式規(guī)則
我們產(chǎn)品經(jīng)理都知道商品,無論是狹義的商品還是廣義的商品,都有自己的受眾。換句話說,商品都有自己對(duì)應(yīng)的用戶心理模式。一個(gè)商品,一定有自己的消費(fèi)人群定位。
比如:生產(chǎn)的一瓶水、寫的2本書,都有自己針對(duì)的人群,一個(gè)沒有消費(fèi)定位的商品注定是失敗的產(chǎn)品。因此,商品,不管是什么樣的新商品,都有相對(duì)固定的用戶心理模式。什么樣的人從心理上會(huì)對(duì)這樣的商品感興趣,有多少興趣?對(duì)于商品的推薦起著決定性的作用。
依據(jù)此原理,我們可以定義商品對(duì)應(yīng)的用戶心理模式。
定義2(商品的模糊心理狀態(tài)集)
G={[G1,G2,…Gr],[F1,F(xiàn)2,…,F(xiàn)r]},其中Gr∈Satt,F(xiàn)r表示商品對(duì)于狀態(tài)Gr的隸屬度。
以上定義表示,商品G可能針對(duì)的用戶心理狀態(tài)是G1…Gr,每個(gè)心理狀態(tài)的興趣度是F1…Fr。
第3步 建立用戶心理興趣模型
在設(shè)定上述2點(diǎn)的定義以后,接下來我們需要針對(duì)不同的用戶建立自己的用戶模型,即用戶心理狀態(tài)模式集。
流程如下圖:
分類用戶心理模式,至今為止,沒有心理學(xué)對(duì)用戶心理模式給出具體的內(nèi)容分類。粗略地看上去,似乎用戶心理模式種類非常繁多,很難給出一個(gè)具體的列表,分類用戶心理很難下手。不過根據(jù)實(shí)踐設(shè)定用戶心理狀態(tài)是比較大范圍內(nèi)的重要心理模式,實(shí)踐上遠(yuǎn)沒有想象的那么復(fù)雜。
筆者使用了經(jīng)驗(yàn)?zāi)J絹斫鉀Q這個(gè)心理模式的分類問題,通過心理學(xué)專家左左老師的幫助,把人生按其生長(zhǎng)、發(fā)育、成熟、衰老的過程進(jìn)行心理指標(biāo)選擇,選擇了心理年齡、心理血型、情感狀態(tài)等十個(gè)最重要的心理指標(biāo)。對(duì)每個(gè)指標(biāo)又進(jìn)行了狀態(tài)細(xì)化,從而最終設(shè)定了四十多個(gè)不同的典型心理狀態(tài)。標(biāo)定這樣的心理模式分類就是心理模式的論域S[論域是一個(gè)數(shù)學(xué)系統(tǒng),分為原始域和非原始域(構(gòu)造域)]。
建立商品的模糊心理狀態(tài)集,商品的模糊心理狀態(tài)集的建立是一個(gè)比較繁瑣的過程,需要針對(duì)不同的商品建立不同的模糊心理狀態(tài)集。
筆者使用專家評(píng)判法來解決商品的模糊心理狀態(tài)集的生成問題。設(shè)商品u的心理狀態(tài)論域?yàn)镾,記商品u的模糊心理狀態(tài)集為Fu。
請(qǐng)M位專家,讓每位專家分別對(duì)每個(gè)心理狀態(tài)Si(i=1,2,…,n,Si∈S)給出一個(gè)隸屬度的估計(jì)值。設(shè)第j位專家的給出的估計(jì)值為Fu(Sij)(i=1,2,…,n;j=1,2,…,m),最后的隸屬度可以表示為:
Fu(Si)=1/m∑Fu(Sij),j=1…m
用戶心理模式集的建立一旦設(shè)定好商品的模糊心理狀態(tài)集,就可以用它來生成用戶心理模式集。
設(shè)用戶A的購物集為Ua{ua1,ua2,ua3,…,uai},其中,商品uai的模糊心理狀態(tài)集為Fuai蝙。則用戶A的心理模式集為:StatA={StatA1:,StatA2,…,StatAm,};StatAm=1/i∑Fum(Sj)2,(j=1…i)
使用平方的目的在于加大不同狀態(tài)間的傾向,突出用戶的心理狀態(tài)。
最后,對(duì)用戶心理模式集進(jìn)行過濾處理,設(shè)定其過濾值Statmun(常量),完成對(duì)用戶心理模式集的清洗:StatCA={StatA1,StatA2,…,StatAk|StatAK∈StatA,StatAK>Statmin}
經(jīng)過清洗后的用戶心理模式集遠(yuǎn)比原始的用戶心理模式集要小,可以有效地提高推薦算法效率。
第4步 選擇算法:
筆者在《AI賦能-AI重新定義產(chǎn)品經(jīng)理》一書中有講產(chǎn)品經(jīng)理需要懂的算法,也講了算法不是一開始就選擇的,算法是在具體業(yè)務(wù),就具體問題建立模型后,對(duì)模型進(jìn)行求解。所以第4步是懸在算法,在這里推薦兩個(gè)個(gè)性化推薦算法供讀者參考。
推薦算法如下:
算法一:
float GenReeommandScale(){
IfGa?U then
//新商品推薦
S=△{StatCA^Fu}
Else
//非新商品,應(yīng)當(dāng)避免同質(zhì)推薦
{
ifGa?U
S=?{StatCA^Fu};
else
S=0;已經(jīng)有此商品
}
Retun S;
}//end of GeRneeomnnard Scale
商品的模糊心理狀態(tài)集是一開始是由行業(yè)專家評(píng)判方式給出的,但這樣的結(jié)果未必就是精確的??梢栽谕扑]的過程不斷的修正。
算法二:模糊心理狀態(tài)興趣關(guān)聯(lián)規(guī)則
另外要說明的一點(diǎn)是兩個(gè)算法不是完全割裂開的,即要求出模型的科學(xué)解,可以采用多種算法求解,本處筆者根據(jù)曾經(jīng)早年阿里巴巴的實(shí)際工作經(jīng)驗(yàn)采用過的算法分享給讀者。
總結(jié)
抖音一開始我們能想起來的是官方宣傳的AI算法,其實(shí)一開始冷啟動(dòng)抖音是有算法,不過這種算法只是AI領(lǐng)域的冰山一角,更多的是用戶心理模型,這就不難理解我們一開始人人看到抖音的多是:“第一眼明顯、美女”。
2017年春節(jié)期間抖音推薦的內(nèi)容圖如下:
2018年年底抖音給AI科技網(wǎng)絡(luò)從業(yè)者推薦的內(nèi)容,明顯是與筆者的工作內(nèi)容是緊密相關(guān)的。
圖如下:
從上圖直觀可見字節(jié)跳動(dòng)的算法一開始也是如筆者文中所述,一開始內(nèi)容好比是商品,沒有用戶的數(shù)據(jù),只能從用戶的心理出發(fā)來進(jìn)行建模,對(duì)模型進(jìn)行求解,發(fā)現(xiàn)男性或者部分女性對(duì)明星和美女一般來說都是喜歡的。
隨著數(shù)據(jù)的累計(jì)機(jī)器學(xué)習(xí)的應(yīng)用同時(shí)不斷修正AI模型,筆者現(xiàn)在的抖音推薦均是AI、算法、模型、產(chǎn)品、創(chuàng)業(yè)相關(guān)的內(nèi)容。
如果你想系統(tǒng)化入門AI產(chǎn)品經(jīng)理,掌握AI產(chǎn)品經(jīng)理的落地工作方法,戳這里>http://996.pm/7bjab
#專欄作家#
連詩路,公眾號(hào):LineLian。人人都是產(chǎn)品經(jīng)理專欄作家,《產(chǎn)品進(jìn)化論:AI+時(shí)代產(chǎn)品經(jīng)理的思維方法》一書作者,前阿里產(chǎn)品專家,希望與創(chuàng)業(yè)者多多交流。
本文原創(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
就視頻類app分發(fā)來說
會(huì)不會(huì)這些冷啟動(dòng)的推薦內(nèi)容(或者說某些符合用戶心理模型的視頻地址)是在用戶使用過程中就緩存在本地的,在用戶下一次啟動(dòng)或滑到推薦欄目時(shí)就會(huì)自動(dòng)加載視頻地址內(nèi)容。
另外給視頻打標(biāo)簽的工作感覺又是需要涉及到AI去分類(除非是提前設(shè)置好標(biāo)簽的廣告視頻,或者人工審核分類的熱門視頻之類)
根據(jù)用戶評(píng)論的關(guān)鍵詞頻來分類該視頻(商品)所屬的心理模型
又或者識(shí)別視頻中的內(nèi)容是場(chǎng)景或是人物,再結(jié)合發(fā)視頻的人會(huì)主要發(fā)什么類型的視頻
AI能助力的地方確實(shí)很多,但是要有足夠大的數(shù)據(jù)集和準(zhǔn)確分析的算法
看不太懂,樓主大大應(yīng)該是學(xué)理工科的吧,哈哈