中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本次調(diào)研的目的在于發(fā)現(xiàn)「今日頭條」推薦文章模塊中未達(dá)理想態(tài)的case，并從多維度多方面分析背后的原因，以及進(jìn)一步給出解決方案與優(yōu)化建議。

策略產(chǎn)品已經(jīng)是一門體系較為完善的學(xué)科，想學(xué)習(xí)的小伙伴可以通過搜索引擎查找相關(guān)課程。本系列文章不講方法論，只分享親手分析的案例。著重展示具體思路，希望可以為大家?guī)韱l(fā)。

調(diào)研時間：2018.11

調(diào)研對象：今日頭條>推薦文章模塊

調(diào)研方式：抽樣分析

調(diào)研目標(biāo)：發(fā)現(xiàn)未達(dá)理想態(tài)case；分析原因，制定解決方案

一、今日頭條推薦系統(tǒng)概述

1. 推薦維度

如果用形式化的方式去描述實際上是擬合一個用戶對內(nèi)容滿意度的函數(shù)，這個函數(shù)需要輸入三個維度的變量。

1. 內(nèi)容：頭條是一個綜合內(nèi)容聚合平臺，圖文、視頻、UGC小視頻、問答、微頭條，每種內(nèi)容有很多自己的特征，需要考慮怎樣提取不同內(nèi)容類型的特征做好推薦。
2. 用戶特征：包括各種興趣標(biāo)簽，職業(yè)、年齡、性別等，還有很多模型刻劃出的隱式用戶興趣等。
3. 環(huán)境特征：這是移動互聯(lián)網(wǎng)時代推薦的特點，用戶隨時隨地移動，在工作場合、通勤、旅游等不同的場景，信息偏好有所偏移。

2. 人為干預(yù)（無法量化的目標(biāo)）

• 廣告＆特型內(nèi)容頻控
• 低俗內(nèi)容打壓＆頻控
• 標(biāo)題黨、低質(zhì)內(nèi)容打壓
• 重要新聞置頂＆強(qiáng)插＆加權(quán)
• 低級別帳號內(nèi)容降權(quán)

3. 典型推薦特征

4. 用戶標(biāo)簽

用戶興趣特征最直觀的是基于點擊的內(nèi)容標(biāo)簽，內(nèi)容標(biāo)簽有相關(guān)的數(shù)據(jù)處理策略

1. 過濾噪聲：通過停留時間短的點擊，過濾標(biāo)題黨。
2. 熱點懲罰：對用戶在一些熱門文章上的動作做降權(quán)處理。理論上，傳播范圍較大的內(nèi)容，置信度會下降。
3. 時間衰減：用戶興趣會發(fā)生偏移，因此策略更偏向新的用戶行為。因此，隨著用戶動作的增加，老的特征權(quán)重會隨時間衰減，新動作貢獻(xiàn)的特征權(quán)重會更大。
4. 懲罰展現(xiàn)：如果一篇推薦給用戶的文章沒有被點擊，相關(guān)特征（類別，關(guān)鍵詞，來源）權(quán)重會被懲罰。當(dāng)然同時，也要考慮全局背景，是不是相關(guān)內(nèi)容推送比較多，以及相關(guān)的關(guān)閉和dislike信號等。

5. 消重＆時效

1）相同文章消重

• 申明原創(chuàng)，文章會作為主要推薦。
• 沒有勾選原創(chuàng)，或者原創(chuàng)沒通過。在時效期內(nèi)（24小時、72小時、一周，根據(jù)新聞熱度的不同來定）頭條可能選擇更權(quán)威的號作為來源。

2）相似主題消重

熱點事件只需要幾篇文章覆蓋到整個事件就可以了。

二、需求分析

1. 業(yè)務(wù)需求分析

內(nèi)容聚合平臺的核心功能是高效地為用戶分發(fā)內(nèi)容，促使用戶觀看更多內(nèi)容，在平臺逗留更長時間，并與內(nèi)容作者及其他用戶進(jìn)行社交互動。

聚合平臺向用戶分發(fā)內(nèi)容的方式可以分為平臺主動推送和用戶主動尋找。

主動推送方式主要是智能推薦引擎。

用戶尋找主要是通過以下幾點實現(xiàn)：

• 在搜索欄進(jìn)行關(guān)鍵詞搜索（搜索策略、文章詳情頁中展示“相關(guān)搜索”）
• 菜單導(dǎo)航（我的頻道、頻道推薦）
• 查看關(guān)注作者動態(tài)（關(guān)注用戶、關(guān)注頻道）
• 平臺熱門內(nèi)容模塊（熱點頻道、其他模塊人為干預(yù)的滲透）
• 平臺推薦內(nèi)容模塊（本次調(diào)研對象）

推薦模塊的業(yè)務(wù)需求是通過合理篩選并展示內(nèi)容或作者信息，方便用戶快速找到這些內(nèi)容。

2. 用戶需求分析

今日頭條用戶畫像：

從年齡、城市分布來看，18-30歲人群占到近86%，二線城市及以下占近73%。18-23歲主要是大學(xué)階段，24-30歲則多是職場執(zhí)行層，同時又處在競爭相對不那么激烈的小城市，他們都有一個共同的特點——閑。

閑就需要娛樂，頭條在一定程度上補(bǔ)充了這部分需求，同時又提供大量的新聞資訊，滿足用戶獲得信息的需求。

用戶需要一種高效的手段來快速找到自己喜歡看的內(nèi)容。除了平臺智能推薦引擎、菜單導(dǎo)航、搜索欄、關(guān)注頁以外，用戶還可以通過推薦模塊快速找到優(yōu)質(zhì)內(nèi)容。

三、定義理想態(tài)

1. 理想態(tài)定義

在【科技】頻道中，用戶瀏覽完一篇文章后，推薦用戶在當(dāng)前最感興趣的或者與這個內(nèi)容最相似的一個內(nèi)容。

2. 核心指標(biāo)及拆解

“用戶瀏覽完一篇文章”的影響因素：用戶畫像、首頁推薦策略。

“在推薦模塊快速高效的找到感興趣內(nèi)容”的場景：

• 用戶對當(dāng)前文章感興趣，在推薦模塊中找到了相似的內(nèi)容（內(nèi)容相關(guān)性）
• 用戶對當(dāng)前文章感興趣，在推薦模塊中找到了不相關(guān)但是更感興趣的內(nèi)容（多樣性、協(xié)同過濾、用戶畫像）
• 用戶對當(dāng)前文章不感興趣，在推薦模塊中找到了不相關(guān)但是感興趣的內(nèi)容（多樣性）
• 用戶在推薦模塊中看到已經(jīng)看過的內(nèi)容（消重＆時效）
• 用戶沒有看到推薦模塊（覆蓋）
• 用戶點擊推薦模塊后，在推薦內(nèi)容詳情頁的行為，體現(xiàn)出其是真的感興趣還是被標(biāo)題迷惑（滿意度）

在拆解指標(biāo)時，只考慮不受其他策略影響的情況，否則沒辦法準(zhǔn)確定位問題。因此在抽樣調(diào)研過程中，我們都假設(shè)用戶看完了樣本文章并滑動到了推薦文章模塊。

3. 核心指標(biāo)

（1）點擊率

推薦模塊第一條＞40%、第二條＞20%（基于sense的決策，通過實際數(shù)據(jù)分析調(diào)整）

（2）滿意度

通過用戶行為指標(biāo)量化得分

（3）多樣性

• 一級標(biāo)簽相同（相似）數(shù)量≤2，
• 二級、三級標(biāo)簽相同（相似）數(shù)量≤3

滿意度＆多樣性在無數(shù)據(jù)時的衡量方案：

根據(jù)之前調(diào)研時得到的數(shù)據(jù)，內(nèi)容數(shù)據(jù)（視頻播放量、點贊數(shù)、評論數(shù)、轉(zhuǎn)發(fā)量、相關(guān)搜索、是否原創(chuàng)等）、作者數(shù)據(jù)（發(fā)布帳號、簡介、是否認(rèn)證、認(rèn)證信息、粉絲數(shù)、發(fā)布數(shù)、獲贊數(shù)）并沒有直觀的展示出其與推薦內(nèi)容及排序的關(guān)系。本次調(diào)研中此類字段，對應(yīng)上文核心指標(biāo)中的用戶滿意度，簡化成對應(yīng)得分。

內(nèi)容質(zhì)量：通過可獲取的內(nèi)容信息、作者信息、用戶與內(nèi)容、作者互動的數(shù)據(jù)，佐證內(nèi)容質(zhì)量。

內(nèi)容＆作者標(biāo)簽/主題：內(nèi)容標(biāo)簽的層級是相對的，通過系統(tǒng)定義標(biāo)簽與自定義標(biāo)簽對比，層級關(guān)系如【體育】>【足球】>【中國足球】。

每個內(nèi)容都應(yīng)最少定義出相同或不同層級的3個標(biāo)簽。

暫定推薦模塊中，前2條內(nèi)容主要負(fù)責(zé)內(nèi)容相關(guān)，內(nèi)容質(zhì)量要求適當(dāng)放低；后3條內(nèi)容負(fù)責(zé)內(nèi)容多樣。

內(nèi)容相關(guān)：推薦模塊第一條內(nèi)容相關(guān)分＞5，第二條內(nèi)容相關(guān)分＞3；內(nèi)容質(zhì)量分＞3

內(nèi)容多樣：內(nèi)容質(zhì)量分＞5，內(nèi)容相關(guān)分≤3

（4）覆蓋

推薦模塊覆蓋率達(dá)到80%（基于sense的決策，通過實際數(shù)據(jù)分析調(diào)整）

（5）消重

在推薦模塊的5個內(nèi)容中，沒有重復(fù)內(nèi)容（“重復(fù)內(nèi)容”和“相似內(nèi)容”通過內(nèi)容識別機(jī)制量化定義）

• 重復(fù)內(nèi)容≤1
• 相似內(nèi)容≤2

（6）時效

推薦內(nèi)容的發(fā)布時間與推送時間間隔不超過其對應(yīng)的時間節(jié)點

• 有時效性的新聞資訊內(nèi)容：24小時、72小時和7天
• 無時效性的內(nèi)容：暫定90天

4. 外部因素

a.用戶持續(xù)使用時長

根據(jù)公開數(shù)據(jù)，今日頭條用戶平均使用時長為76分鐘左右。在超過用戶習(xí)慣的瀏覽時長后，用戶的跳出是基于規(guī)律和習(xí)慣，并不能代表對推薦內(nèi)容不感興趣。

理想態(tài)中定義的【科技】只是平臺內(nèi)容中的一個頻道，通常用戶不會每次只瀏覽一個頻道的內(nèi)容。因此在單一頻道中對用戶平均使用時長的預(yù)估還要減少。暫定30分鐘，用戶持續(xù)使用超過30分鐘后，跳出行為不在分析范圍內(nèi)。

b.使用過程中被打斷

用戶在使用過程中出現(xiàn)斷網(wǎng)、網(wǎng)絡(luò)信號差、鎖屏、殺死進(jìn)程、低電量關(guān)機(jī)、接入電話等客觀情況時，會打斷用戶的瀏覽行為，并不代表用戶主觀上對瀏覽內(nèi)容的好惡，因此此類情況同樣不在分析范圍內(nèi)。

c.推薦內(nèi)容為視頻

部分推薦文章中包含視頻內(nèi)容

• 聯(lián)網(wǎng)狀態(tài)：在聯(lián)網(wǎng)狀態(tài)下，進(jìn)入詳情頁時頁面會自動播放。如果用戶處在不方便發(fā)出聲音的場合，便會立即關(guān)掉。此類情況，停留時長不代表用戶對內(nèi)容的好惡。因此此類情況不在分析范圍內(nèi)。
• 流量狀態(tài)：在流量狀態(tài)下，進(jìn)入詳情頁會讓用戶選擇“流量觀看”和“我要免流量”，用戶選擇“流量觀看”，則其觀看時長給予一定的權(quán)重提升。如果用戶選擇“我要免流量”而跳入其他流程，則不在分析范圍內(nèi)。

四、抽樣分析

1. 調(diào)研目標(biāo)

分析平臺【科技】頻道下，推薦模塊的推薦策略，通過調(diào)研及分析找到現(xiàn)有推薦策略存在的問題，給出優(yōu)化方案。

2. 抽樣對象＆抽樣數(shù)量

【科技】頻道中的15篇文章，記錄各自對應(yīng)的推薦內(nèi)容。

3. 抽樣方式

模擬用戶瀏覽場景，按FEED流降序抽取樣本。

局限性：由流程圖可以看出頁面跳轉(zhuǎn)邏輯，在推薦內(nèi)容是文章時，點擊返回直接跳轉(zhuǎn)回首頁，每次跳轉(zhuǎn)頁面都會刷新，推薦模塊內(nèi)容均會產(chǎn)生變化，因此無法獲取第一次進(jìn)入樣本詳情頁中推薦模塊的全部內(nèi)容信息。（搜索無法確認(rèn)發(fā)布賬號）

4. 樣本分析＆標(biāo)注

用戶標(biāo)簽：深圳、男

用戶行為：瀏覽【健康】【科技】類文章較多，少量【娛樂】【歷史】類文章；多次重復(fù)瀏覽相同內(nèi)容。平均停留時間小于30S。

抽樣環(huán)境：周日15：00~周一1：00，iPone6SP

5. 整理匯總問題

未達(dá)理想態(tài)

（1）內(nèi)容質(zhì)量低

很多雞湯文都會掛著馬云等科技大佬的旗號吸引用戶點擊，用戶對內(nèi)容的興趣不是基于科技相關(guān)話題，而是人物的社會標(biāo)簽、財富等因素。標(biāo)題黨、震驚體的標(biāo)題雖然措辭程度有所收斂，但是如果把內(nèi)容質(zhì)量的標(biāo)準(zhǔn)稍微上升一些，但是有很大一部分的內(nèi)容無法通過審核。

不同用戶對內(nèi)容的感知也是不同，但是如果用戶覺得看到的內(nèi)容質(zhì)量低，但是又沒辦法通過瀏覽過的低質(zhì)量內(nèi)容找到高質(zhì)量內(nèi)容，用戶會選擇跳出平臺。

（2）內(nèi)容相關(guān)性差＆內(nèi)容多樣性差＆標(biāo)簽缺失

【內(nèi)容相關(guān)性差】和【內(nèi)容多樣性差】主要有4點原因

1. 【標(biāo)簽缺失】的直觀展示效果。標(biāo)簽定義太少，不夠聚焦。如果標(biāo)簽是高頻詞，會導(dǎo)致匹配到大量弱相關(guān)的內(nèi)容；如果標(biāo)簽不是高頻詞，會導(dǎo)致匹配到很少的內(nèi)容。
2. 樣本文章的標(biāo)簽錯誤或標(biāo)簽缺失，導(dǎo)致與之匹配的推薦內(nèi)容出現(xiàn)偏差
3. 推薦引擎排序沒有明顯規(guī)則，把【多樣性內(nèi)容】排到了【相關(guān)性內(nèi)容】的位置
4. 多樣性不夠多樣。在推薦的其他主題內(nèi)容中：【娛樂】5個，【房產(chǎn)】3個 ，【歷史】4個 ，【美食】1個 ，【文化】1個 。推薦主題覆蓋率只有10%左右，不利于冷啟動。

（3）覆蓋率低

部分文章下沒有推薦內(nèi)容，尤其是在FEED流頂部新刷出來的內(nèi)容。有可能是沒有及時為文章定義標(biāo)簽。

（4）消重

某種程度上和【標(biāo)簽缺失】是互斥的問題，在本次抽樣中未定位到。完善內(nèi)容標(biāo)簽后，需要重點關(guān)注。

（5）時效

本次抽樣未定位到。本次因為瀏覽行為的影響，抽樣中段推薦了大量科技側(cè)重商業(yè)方向的內(nèi)容，該類內(nèi)容不受時效性影響。理想態(tài)的定義是90天，如果縮短到60天則會有部分內(nèi)容觸發(fā)時效。

不同的頻道、不同層級的標(biāo)簽都要精細(xì)化設(shè)置對應(yīng)的時效限制。

6. 其他影響因素

a.樣本文章內(nèi)容標(biāo)簽＆內(nèi)容分發(fā)

樣本文章與頻道定位不符，導(dǎo)致推薦的【相關(guān)內(nèi)容】偏離頻道定位

b.推薦模型

在抽樣時，發(fā)現(xiàn)推薦模塊中相同的內(nèi)容刷新后會調(diào)整排序

在推薦模塊有明確的策略定位時，建議區(qū)分出【相關(guān)內(nèi)容】和【多樣內(nèi)容】模塊，推薦模型分別推薦，各自的內(nèi)容在其對應(yīng)模塊中調(diào)整排序。推薦模塊整體消重。

7. 交互邏輯

推薦文章和推薦視頻混合在推薦模塊呈現(xiàn)，信息層級上給用戶的感知是一致的。但是在推薦文章頁點擊返回直接跳回了FEED流，在推薦視頻頁點擊返回是按路徑返回到當(dāng)前文章詳情頁。雖然提升了當(dāng)前文章的點擊量等數(shù)據(jù)，但是虛漲的數(shù)據(jù)同樣對算法造成了干擾。

交互邏輯如此設(shè)計的原因分析：

（1）頭條對于內(nèi)容模塊的定位以及對用戶瀏覽路徑的引導(dǎo)

不需要用戶喜歡全部5個推薦內(nèi)容，只要有一個吸引用戶點擊即可；瀏覽結(jié)束后返回首頁，使最成熟的首頁推薦引擎作用最大化。但是這無法解釋為何視頻和文章的跳轉(zhuǎn)邏輯不同。

（2）實時推薦的顆粒度，不要太敏感，給用戶反應(yīng)的時間

根據(jù)用戶實時行為（或?qū)崟r綜合其他相似用戶行為）豐富用戶畫像，提升推薦準(zhǔn)確性，刷新出推薦權(quán)重更高的內(nèi)容。

但是對于用戶來說，如果在點擊推薦模塊其中一個內(nèi)容時，已經(jīng)看到了5個推薦內(nèi)容的標(biāo)題，如果用戶對多個內(nèi)容感興趣，就會打斷用戶的瀏覽體驗，影響用戶的安全感。

五、優(yōu)化方案

六、優(yōu)先級判斷

1. 完善內(nèi)容審核制度

項目收益大、項目成本大，優(yōu)先級高。

屬于緊急問題，是建立良好內(nèi)容生態(tài)最關(guān)鍵的一環(huán)，要建立完善合理的審核制度，使平臺中的內(nèi)容質(zhì)量得到保障，維護(hù)在用戶心中的良好形象，防止被政策打壓。

2. 內(nèi)容分類策略優(yōu)化

項目短期收益小，長期收益大，項目成本由策略的逐漸完善而從大到小，優(yōu)先級高。

7個問題中，有4個問題與內(nèi)容分類有關(guān)，而且完善策略是一個長期持續(xù)的過程，所以要重視并努力壓縮這個過程。

3. 內(nèi)容分發(fā)策略優(yōu)化

項目短期收益小，長期收益大，項目成本由策略的逐漸完善而從大到小，優(yōu)先級中。

7個問題中，有5個問題與內(nèi)容分發(fā)有關(guān)，而且完善策略是一個長期持續(xù)的過程，所以要重視并努力壓縮這個過程。但是內(nèi)容分發(fā)不僅僅是內(nèi)容因素決定，更要考慮用戶行為與環(huán)境等因素。因此在對內(nèi)容相關(guān)性的調(diào)研上，并不能對內(nèi)容分發(fā)策略做出特別準(zhǔn)確的評判，因此優(yōu)先級中。

4. 內(nèi)容推薦策略優(yōu)化

項目短期收益大，長期收益大，項目成本由策略的逐漸完善而從大到小，優(yōu)先級高。

可快速解決覆蓋率低的問題，解決這個基礎(chǔ)問題后，使推薦模塊得到更多的曝光和數(shù)據(jù)收集，是完善內(nèi)容推薦模塊的重要基礎(chǔ)。

5. 內(nèi)容監(jiān)控

項目短期收益小，長期收益中，項目成本中，優(yōu)先級低。

需要【完善內(nèi)容標(biāo)簽】這個前置條件。

6. 內(nèi)容運營

無法預(yù)估，優(yōu)先級低。

內(nèi)容運營會涉及到一些犧牲部分用戶體驗達(dá)成商業(yè)目標(biāo)的行為，需要跨部門協(xié)商后確定具體計劃。

reference

《今日頭條算法原理（全文）》

《短視頻聚合平臺功能對比分析：熱門、推薦功能模塊》

本文由 @紫原新之助 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