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

現在有很多像今日頭條、輕芒閱讀這樣為你個性推薦資訊的 app，為什么同樣是個性推薦，它們卻有著不同的風格？今天分享的這篇文章，作者是曾在 Facebook 工作的宋一松，他從 3 個方面為你簡單介紹，app 是如何為你推薦個性化資訊的。

不了解今日頭條是怎么運作的。不過因為在 Facebook 工作時負責新鮮事（Newsfeed）的個性化推薦與排序，我可以說說 Facebook 是怎么衡量自己推薦和排序的質量的。

在具體執(zhí)行層面，主要有 3 個方式，分別是從機器學習模型、產品數據，和用戶調查上來考核推薦引擎的效果。

1. 機器學習模型

推薦引擎的一大核心就是機器學習（不過現在都說人工智能了，但本質上還是 supervised learning）。如果是想考察機器學習模型的質量，學術上早就有一套成熟的實踐方法。

無論是模型的選擇（比如從 decision tree 替換成 neural network），還是迭代改進（比如模型訓練時多用一倍的數據），都可以使用基于 supervised learning 的衡量辦法。最常見的就是 AUC。

另一方面，對于某一類特定問題也有更細致的指標。比如說，可以通過模型特征的重要性（feature importance）知道新加的特征是不是有用。

2. 產品數據

再牛逼的機器學習模型都要經歷產品數據的實際檢驗。這方面大家就都比較熟悉了，KPI 嘛。不過在 Facebook 特別是 Newsfeed 這種牽一發(fā)動全身的地方，我們會追蹤一系列數據來描述產品，而不是依賴某一個單一標準。

這些數據包括但不限于：

• 日/月活躍用戶（DAU，MAU）
• 用戶互動（點贊，評論，轉發(fā)等）
• 用戶發(fā)帖量
• 用戶停留時間和消耗的內容量
• 收入
• 用戶互動率（比如看過的內容中點贊/評論/長閱讀/收藏的比例）
• 用戶舉報和屏蔽的數量

而且，在日常的快速迭代和 A/B 測試中，只有這些籠統的數據是不夠的，我們還需要些更細致的數據來真正理解我們的一些改動。比如說：

• 內容類型的分布是怎么變動的：用戶原創(chuàng)和轉發(fā)的比重分布，網頁鏈接和圖片視頻的比重分布，長視頻和短視頻的比重分布等等
• 對公眾帳號是怎么影響的：什么樣的公眾號會受益于這次改動
• 哪些第三方巨頭受到了影響，影響是否合理：比如我最早在 FB 實習時候的項目是整頓 SPAM 帳號。那個改動重創(chuàng)了 Zynga（因為 Zynga 嚴重依賴用戶騷擾它的好友來吸量），但大家覺得挺合理的，讓公關去溝通了下就發(fā)布了。

另外，為了防止短暫的眼球效應，對每一個重要的產品決策，我們都會維護一個長期的 backtest，用來評估這個決策的長久影響。比如說：

• 對于在 feed 里面放廣告這個決定，我們會選擇一小部分用戶，對他們長期不顯示廣告，然后將他們的用戶活躍度同正常能看到廣告的用戶做對比，來衡量廣告的長期影響。
• 類似的，對于 Newsfeed 是否排序，我們也有一個 holdout group，他們的 feed 是完全按時間排的。

這樣，對每一個可能會有爭議的決策，但未來的每個時間點，我們都能清楚地知道，我們是面臨著怎樣的取舍。有了這層保障，在決策的當下，我們也就敢于冒險些，走得更快些。

3. 用戶調查

大多數產品數據有其局限性，因為它們是顯性而被動的。比如說，你給用戶推送了一個博眼球的低俗內容，用戶在當下可能是會去點開看的，所以數據上是好的。

但用戶可能心里對這個內容的評價是低的，連帶著對作為內容平臺的產品也會看輕，長此以往對產品的傷害是巨大的。

KPI 無法完全描述產品質量，在硅谷互聯網圈是有共識的，但如何解決，每個公司答案都不同。

Twitter 系的 CEO 們，無論是 Jack Dorsey 還是 Evan Williams，都傾向于輕視 KPI 而依賴自己主觀想法來決策。

Google 和 Facebook，則采取了另一條路，他們決定把用戶評價納入到 KPI 中。

Google 在這方面的工作開始得比較早，因此公開的資料也比較多。概括地說，他們雇傭大量的普通人，以用戶的角度來對 Google 搜索排序的質量和廣告推薦的質量做主觀打分。

當打分的量大到一定程度，這些數據就足以成為一個穩(wěn)定有效的，且可持續(xù)追蹤并改進的 KPI 了。Facebook 雖然產品領域有所不同，但在個性化推薦上也采取了類似的方法。

回答的最后，還是想重申兩個方法論：

• 永遠不能依靠單一一個 KPI 來評價產品上的工作。任何 KPI，任何產品，都不能。
• 在明確 KPI 局限性的前提下，數字可以終結大多數無意義的扯皮，無論是技術上的，還是政治上的。

相關閱讀：

「個性推薦」會讓你難以跳脫自己的小圈子嗎？

作者：宋一松

來源：http://www.ifanr.com/app/826575

本文來源于人人都是產品經理合作媒體@愛范兒，作者@宋一松