算法推荐+人工干预已成APP运营法宝

原创 2017年08月9日 16:23:09

大家时常用到购物软件,有没有发现自己搜过某个产品之后,会收到很多类似产品的推荐;在某个网页浏览过好玩的段子后,也会收到很多类似的内容推送,没错,这就是传说中的智能推荐。

那么,这种类似“肚子里蛔虫”的技术,是如何一步步了解你的兴趣爱好呢?今天我们就来揭秘一下。timg

想做到精准的信息推送主要有三个方式,主要是从机器学习模型,产品数据,和用户调查上来考核并推荐用户信息。

1. 机器学习模型

推荐引擎的一大核心就是机器学习,也就是目前广泛认为的人工智能技术。通过分析个人的相关数据,预测和判断其可能感兴趣的内容,并以此做出推荐。

2. 产品数据

这里指的产品数据包括但不限于:

· 日/月活跃用户(DAU,MAU)

· 用户互动 (点赞,评论,转发等)

· 用户停留时间和消耗的内容量

· 用户互动率(比如看过的内容中点赞/评论/长阅读/收藏的比例)

· 用户举报和屏蔽的数量

根据这些数据,我们可以判断一个用户究竟对这个内容有多大兴趣。以消耗内容量为例,如果这一类文章平均阅读页数超过70%,我们就可以判定其为深度用户,可以更多的推荐相同内容。Screenshot_2017-08-08-02-11-57-45

《今日头条》用户调查

      3. 用户调查

调查的过程是对用户信息的更深度挖掘,虽然这个调查时被动的,但可以反映出用户的真实需求。调查不一定以专门的问卷形式体现,一般穿插产品底部,可以随时标记喜欢或者不喜欢。

而通过我们对包括今日头条、秀兜、花椒直播等几款主流软件的使用体验,发现其推荐过程各有不同,这里以秀兜APP做简单举例。秀兜是一款聚焦黑科技的视频软件,我比较喜欢去上面搜索一些科技信息和新奇产品。

秀兜推荐算法大致分为三个方向:

基于内容的推荐算法:原理是用户比较喜欢和自己已关注的内容相似度高的内容,即推荐关联性大的内容给你。这种方法的好处可以避免冷启动问题,但是弊端是推荐的内容极有可能是是重复的,还有一个问题是对于音乐图片等很难自动提取内容特征,因此需要人工给这些内容打上标签。

协同过滤算法:如果存在用户B的兴趣与A相似,那么B喜欢的商品A 极有可能喜欢,这个道理比较简单。

基于知识的推荐算法:这种方法比较典型的是构建领域本体,或者是建立一定的规则,进行推荐。比如在“黑科技”这一关键词的大前提下,建立的规则可能是日用品、军用品、概念品等几个细分规则,针对这些规则进行筛选。

在具体操作的过程中可以融合以上的几种方法,或者是加以串联、并联等方式融合,以期实现更精准的用户推荐。

Screenshot_2017-08-08-02-42-24-39

《秀兜》APP智能推荐页面

这样的一种机制无疑可以保证每次再打开APP后,看到的资讯都是自己喜欢的,从而大大减少了用户自己搜索、筛选资讯的时间成本。同时使用产品的次数越多,使用数据和反馈也就越多,推荐内容的匹配度越高,用户阅读兴趣和黏性越强,形成一个良性循环。

看到这里是不是觉得这项技术其实也没那么高深莫测呢?

微信扫码关注IT耳朵

文章标签:

IT耳朵
IT耳朵官方账号,微博@IT耳朵,投稿和寻求报道请联系iterduo@163.com

扫码分享此文章