購物吧

您的位置:網站首頁 > 今日推薦

為什麽今日頭條們總知道你喜歡看什麽?

作者:habao 來源:未知 日期:2020-11-3 14:12:48 人氣: 標簽:今日頭條是什麽字體
導讀: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,為什麽同樣是個性推薦,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工作的宋一鬆…

  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,為什麽同樣是個性推薦,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 工作的宋一鬆,他從 3 個方麵為你簡單介紹,app 是如何為你推薦個性化資訊的。

  不了解今日頭條是怎麽運作的。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 是怎麽衡量自己推薦和排序的質量的。

  在具體執行層麵,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。

  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,金木水火土命查詢表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),都可以使用基於 supervised learning 的衡量辦法。最常見的就是 AUC。

  另一方麵,對於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。

  再牛逼的機器學習模型都要經曆產品數據的實際檢驗。這方麵大家就都比較熟悉了,KPI 嘛。不過在 Facebook 特別是 Newsfeed 這種牽一發動的地方,我們會追蹤一係列數據來描述產品,而不是依賴某一個單一標準。

  而且,在日常的快速迭代和 A/B 測試中,隻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:

  另外,為了防止短暫的眼球效應,對每一個重要的產品決策,我們都會一個長期的 backtest,用來評估這個決策的長久影響。比如說:

  對於在 feed 裏麵放廣告這個決定,我們會選擇一小部分用戶,對他們長期不顯示廣告,然後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,對於 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,我們是麵臨著怎樣的取舍。有了這層保障,在決策的當下,我們也就敢於冒險些,走得更快些。

  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。

  但用戶可能心裏對這個內容的評價是低的,連帶著對作為內容平台的產品也會看輕,長此以往對產品的是巨大的。

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

  Google 在這方麵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定有效的,且可持續追蹤並改進的 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。

  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。

  但用戶可能心裏對這個內容的評價是低的,連帶著對作為內容平台的產品也會看輕,長此以往對產品的是巨大的。

  人人都是產品經理()是以產品經理、運營為核心的學習、交流、分享平台,集、培訓、社群為一體,全方位服務產品人和運營人,成立9年舉辦在線+期,線+場,產品經理大會、運營大會20+場,覆蓋北上廣深杭成都等15個城市,在行業有較高的影響力和知名度。平台聚集了眾多BAT美團京東滴滴360小米網易等知名互聯網公司產品總監和運營總監,他們在這裏與你一起成長。

  

下一篇:沒有資料
共有:條評論信息評論信息
發表評論
姓 名:
驗證碼: