機器如何知道用戶的匹配興趣？其實，這其中是有著具體的匹配規則的，本文將對其進行了簡要概述。

接上篇文章《社交領域不會有終局，除非人類停止前進》提到的用戶價值和算法匹配，本文進行簡單的概述，歡迎點贊和分享、評論，后面我再詳細寫各部分。

目錄

一、用戶自身價值評估

二、用戶狀態評估

三、匹配規則

四、各價值匹配度計算方法（初步）

五、標簽舉例（較多，本文先不附上）

六、應用（后面文章再寫）

一、用戶自身價值評估

人與人社交的基礎：價值交換；通過三大價值衡量：經濟價值、外形價值、生活價值，分別按分值體現，從低到高1-10分；

經濟價值計算方法：默認值值3 ，根據用戶初始選擇的行業、職位、收入，和默認值綜合得到初始值；

外形價值計算方法：默認值值3 ，根據用戶初始選擇的頭像和上傳的照片，和默認值綜合得到初始值；

生活價值計算方法：生活價值不便直接算分衡量，通過用戶自選標簽、內容分析等判斷用戶的性格和愛好，通過標簽體現，作為匹配的兩個要素。

（傳統匹配：用戶與用戶間大海撈針）

（推薦進行分發，讓用戶匹配合適自己的人）

二、用戶內容評估

用戶每次發布一條內容，可分為：展示經濟價值 、展示外形價值；同時，狀態也會展示個人的性格和愛好。

用戶發布內容后，平臺分析其內容，對其人物價值和標簽進行更新完善（初始階段人工打分或標注，用戶量增大，數據積累增多后通過機器學習由機器完成）。

若狀態展示價值的，對其價值分數進行調整（經濟，外形）；展示性格的，為其增加性格標簽；展示愛好的，對其增加愛好標簽。

三、匹配規則

每個用戶都是外在+內在的一個人物畫像：外在=外形價值+經濟價值，內在=性格+愛好。匹配傾向占比：設z1=外形價值,z2=經濟價值,z3=性格,z4=愛好； z1+z2+z3+z4=1。

用戶發布內容時，判斷其價值交換傾向，外在還是內在，為其做對應推薦。即找準用戶此刻需求，基于歷史積累的價值數據匹配。

舉例：

找投資伙伴：傾向經濟價值，z1=0.9，為其推薦經濟價值匹配度高的人

找短期玩伴：傾向外形價值z2=0.8，為其推薦外形價值匹配度高的人

找人聊天：傾向性格 z3=0.9，為其推薦性格匹配度高的人

找人一起運動：傾向愛好 z4= 0.8，為其推薦愛好匹配度高的人

當用戶沒有明顯需求傾向時，默認值 z1=0.3，z2=0.3, z3=0.2, z4=0.2；

再結合其歷史匹配信息，結合協同過濾等推薦算法，為其做推薦。

四、各價值匹配度計算方法（初步）

經濟價值匹配度計算方法：

用戶a的經濟價值為 x1（百分制）;

用戶b的經濟價值為 x2（百分制）;

經濟價值匹配度 x = 1-|x1-x2|/100；

外形價值匹配度計算方法：

用戶a的 外形價值為 y1（百分制）；

用戶b的 外形價值為 y2（百分制）；

外形價值匹配度 y = 1-|y1-y2|/100；

性格匹配度計算方法f 以及愛好匹配度計算方法i參考業界成熟的如協同過濾等推薦算法，如推薦短視頻、電影、音樂等；

最終兩兩間匹配度= x*z1+y*z2+f*z3+i*z4。

總結

篇幅有限，如果點贊、評論的朋友多了我再詳寫如何分析狀態并貼標簽、算法細化、以及應用層面設計等。

拋磚引玉，期待交流。

作者：楊家?。ㄎ⑿盘柟娞枺寒a品經理楊家?。?，校招時獲得騰訊、阿里等知名互聯網企業offer；3年騰訊產品經理、一年字節跳動產品經理經驗，大學曾公眾號創業“吃喝茶山劉”，經歷過創業小團隊幾萬用戶的產品到騰訊上億用戶的產品

本文由 @楊家俊 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議