搜廣推策略產(chǎn)品必知系列:新用戶user冷啟動(dòng)策略

0 評(píng)論 6168 瀏覽 39 收藏 10 分鐘

在推薦系統(tǒng)里,如果想解決有關(guān)“新用戶冷啟動(dòng)”的問(wèn)題,策略產(chǎn)品可以如何搭建策略解法?首要的,策略產(chǎn)品需要明確新用戶的定義,接著,產(chǎn)品才可以更恰當(dāng)?shù)卮罱ㄕ倩睾团判虿呗?。本篇文章里,作者便針?duì)新用戶冷啟動(dòng)策略做了解讀,一起來(lái)看。

今天順著介紹冷啟動(dòng)另一個(gè)話題即——「用戶冷啟動(dòng)」問(wèn)題。

用戶User冷啟動(dòng)與物品item在推薦系統(tǒng)中面臨其實(shí)問(wèn)題根源其實(shí)相同,都是因?yàn)槲锲穒tem/用戶user因?yàn)榉e累的樣本數(shù)據(jù)量過(guò)少,模型無(wú)法準(zhǔn)確學(xué)習(xí)進(jìn)行準(zhǔn)確的人貨匹配,用戶冷啟動(dòng)更直接的表現(xiàn)就是我不知道如何準(zhǔn)確給對(duì)應(yīng)的用戶進(jìn)行準(zhǔn)確的推薦,用戶訪問(wèn)推薦位就更加活躍,更有利于形成用戶訪問(wèn)的留存。

在問(wèn)題解決思路上,兩種冷啟動(dòng)還是存在解決問(wèn)題的思路差異,因此我們先來(lái)快速入門介紹一下關(guān)于用戶冷啟動(dòng)背后的問(wèn)題根源,以及目前對(duì)于新用戶冷啟動(dòng)的解法。

一、用戶USER冷啟動(dòng)問(wèn)題背景

1. 新用戶冷啟動(dòng)定義

用戶冷啟動(dòng)主要解決如何給「新用戶」推薦給他可能感興趣的物料item的問(wèn)題;但是電商場(chǎng)景的新用戶不僅指純激活的新客,而是指少行為、低活躍度的用戶群體,這類用戶在站內(nèi)的行為少,因而深度模型在學(xué)習(xí)用戶興趣表達(dá)時(shí),由于行為序特征稀疏,很難獲得較好的效果。

2. 新用戶所謂“新”的分類

根據(jù)定義的說(shuō)明,新用戶根據(jù)行為模式會(huì)劃分成為以下兩種類型,都屬于用戶行為樣本在一定的時(shí)間戳范圍內(nèi)遠(yuǎn)遠(yuǎn)少于APP內(nèi)用戶的均值樣本量,所以會(huì)在承接的策略上略微有差異;

  • 純新的激活、注冊(cè)類型的用戶;
  • 長(zhǎng)時(shí)間未登錄APP的低活躍用戶,包括對(duì)于老客促活、活動(dòng)拉動(dòng)回歸的用戶。

二、推薦系統(tǒng)如何解決新品冷啟動(dòng)問(wèn)題的策略

策略解法核心思想:所有冷啟動(dòng)的核心思想都是為了試探性的讓User用戶產(chǎn)生更多的「行為樣本」(點(diǎn)擊、加購(gòu)以及成交等興趣行為)、「標(biāo)簽數(shù)據(jù)」(用戶給自己打上運(yùn)動(dòng)戶外、),核心目的就是讓用戶的畫像、樣本逐漸的完整。

1.?新用戶注冊(cè)信息輸入方案

1)興趣標(biāo)簽填寫

為了幫助APP做快速用戶冷啟(非強(qiáng)制),會(huì)在用戶剛注冊(cè)時(shí)候提供填寫「興趣偏好」、「年齡」、「性別」等粗顆粒度用戶注冊(cè)的冷啟動(dòng)信息,這種偏向用戶冷啟動(dòng)的手段而非策略。

這種方式對(duì)于用戶User冷啟動(dòng)前期屬于事半功倍的一種手段,對(duì)于微博、小紅書以及豆瓣等圖文推薦流媒體,以及網(wǎng)易云音樂(lè)這種主打歌單推薦平臺(tái)有著非常大的必要性與幫助。

2)賬戶共享登陸

同公司畫像、樣本共享,或者是利用用戶的社交網(wǎng)絡(luò)賬號(hào)登錄(需要用戶授權(quán)),導(dǎo)入用戶在社交網(wǎng)站上的好友信息,然后給用戶推薦其好友喜歡的物品Item,利用社交網(wǎng)絡(luò)關(guān)系進(jìn)行推薦的原因是自在于,在計(jì)算用戶余弦相似度默認(rèn)社交關(guān)系網(wǎng)朋友會(huì)相似度較高(類似你可能會(huì)喜歡)。

2. 規(guī)則化召回&相似老客個(gè)性化召回策略

規(guī)則化召回的方式更多的就是通過(guò)特定的召回規(guī)則方等等規(guī)則來(lái)實(shí)現(xiàn),簡(jiǎn)單規(guī)則配置是默認(rèn)這是絕大多數(shù)User用戶都感興趣的內(nèi)容(例如最新的iPhone 14pro max,年初的冬奧會(huì)谷愛(ài)凌新聞,沒(méi)有人不會(huì)對(duì)這個(gè)不感興趣對(duì)吧),絕大多數(shù)的用戶都會(huì)愿意去點(diǎn)擊、收藏等行為。

1)熱門規(guī)則物料召回

比方說(shuō)「銷量Top Sale近30天倒序排序」、「近30天點(diǎn)擊率 Top CTR最高」,這種簡(jiǎn)單統(tǒng)計(jì)規(guī)則來(lái)進(jìn)行商品的召回,個(gè)性化程度不足,但是前期對(duì)于用戶產(chǎn)生行為行之有效。

2)基于bias特征的物料召回(前提是可以通過(guò)客戶輸入獲取到可信特征)

通過(guò)用戶特征將用戶分群,比如地區(qū)、性別、年齡、渠道等bias特征,通過(guò)分析不同特征下的用戶群體物料偏好差異來(lái)做細(xì)分的物料召回策略。實(shí)驗(yàn)數(shù)據(jù)來(lái)看,區(qū)分省份的熱門物料召回策略收益較高。

3)個(gè)性化召回

這里大家看到不要奇怪,雖然新用戶樣本少,但是在完成對(duì)于新用戶和老用戶相似特診KNN聚類之后,會(huì)把Jaccard距離相近的老用戶個(gè)性化推薦內(nèi)容給到冷啟新用戶進(jìn)行推薦,因此這里再用DSSM或者attention特征時(shí)序的召回方式就和前面文章一樣了。

但是需要核心注意的點(diǎn)就在于模型容易被老用戶帶偏,需要人為剔除一些強(qiáng)bias的樣本特征(特征工程的一些核心工作,雖然瑣碎但是對(duì)于結(jié)果又明顯提升),可以考慮通過(guò)關(guān)注實(shí)驗(yàn)的效果來(lái)進(jìn)行剔除。

3. 非個(gè)性化排序與個(gè)性化排序

用戶冷啟動(dòng)如果光在召回方面有策略而不在排序增加策略,最終也是白搭,排序是最終前端展示的號(hào)碼牌,因此會(huì)有很多排序的模塊也要為新用戶準(zhǔn)備相應(yīng)的策略:

1)熱門排序

例如按照商品銷量、點(diǎn)擊率商品特征進(jìn)行排序,這一類排序?qū)τ谛掠脩暨€是比較行之有效的方法,原理如同上述熱門物料召回類似。

2)Bandit模型排序

EE(探索與開發(fā)興趣)下的經(jīng)典冷啟動(dòng)模型,平衡準(zhǔn)確性和多樣性。多臂老虎機(jī)問(wèn)題,我們用用戶對(duì)不同item的興趣來(lái)分別計(jì)算興趣值,并且假設(shè)item的興趣是符合Beta分布。

  1. 每個(gè)item都會(huì)對(duì)應(yīng)一套(a,b)參數(shù),通過(guò)上述公式來(lái)生成beta隨機(jī)數(shù);
  2. 將產(chǎn)生的隨機(jī)數(shù)最大的臂作為結(jié)果,并且根據(jù)用戶反饋,點(diǎn)擊就a+1,否則就b+1,當(dāng)所有的(a,b)都很大的時(shí)候,這個(gè)時(shí)候每一個(gè)beta分布都會(huì)接近中心的位置,選擇所有臂中產(chǎn)生隨機(jī)數(shù)最大的去搖。

3)行為序Attention特征強(qiáng)化

用戶在APP的行為最直接的表達(dá)了用戶的興趣偏好。在行為序稀疏的情況下,盡可能地人工構(gòu)造更豐富的行為序Session。例如用戶對(duì)商品/類目/主播的點(diǎn)擊、收藏、分享、加購(gòu)、成交等一手行為序;此外也可以通過(guò)經(jīng)驗(yàn)構(gòu)造,例如用戶觀看時(shí)長(zhǎng)達(dá)到一定閾值的商品、類目;還可以將行為序特征與用戶的bias特征交叉等等方式獲得的二手行為序。

三、總結(jié)與思考

新客冷啟動(dòng)策略整體的思考路徑其實(shí)和新品item冷啟動(dòng)有點(diǎn)類似,讓系統(tǒng)幫助用戶快速積累行為樣本,達(dá)到穩(wěn)定性、多樣性的投放狀態(tài);但是在解法策略上還是有比較多的差異,最核心的步驟需要先定義清楚你的新用戶user的定義,再針對(duì)不同的user來(lái)做相應(yīng)的召回、排序策略。

本文由 @策略產(chǎn)品Arthur 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(lái)自 Unsplash,基于 CC0 協(xié)議

該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 目前還沒(méi)評(píng)論,等你發(fā)揮!