零售電商給你推薦喜愛(ài)的日用品、新聞閱讀給你推薦合口味的知識(shí)、短視頻軟件向你推薦你最愛(ài)的娛樂(lè)視頻……

自個(gè)性化推薦算法在各種軟件廣泛應(yīng)用開(kāi)來(lái)，千人千面的說(shuō)辭已經(jīng)被互聯(lián)網(wǎng)用戶熟稔于心。

可以說(shuō)，這些被頻繁使用的軟件可能比消費(fèi)者本身還要了解你的偏好。

但，你真的知道，這些軟件是怎么把這些信息更有效率的推送到你面前的么？作為創(chuàng)作者和用戶，如何利用推薦系統(tǒng)反哺自身？

本文將以B站為例，詳細(xì)回答這些問(wèn)題。

Tag處理：構(gòu)建內(nèi)容和用戶側(cè)寫(xiě) 

所謂千人千面，放在產(chǎn)品中，人指的是用戶，面指的是內(nèi)容。

一方面，用戶因?yàn)槟挲g、性格、愛(ài)好、生活閱歷的不同，對(duì)內(nèi)容有不同的需求；另一方面，內(nèi)容的種類和質(zhì)量也影響用戶的偏好。

用戶和內(nèi)容的高效連接和互相成全，是推薦系統(tǒng)，尤其是推薦算法的最高目標(biāo)。

1. 內(nèi)容Tag化

我們先來(lái)走一遍用戶視角。

進(jìn)入B站，有明確的動(dòng)畫(huà)、音樂(lè)、舞蹈、科技等按內(nèi)容類型劃分的一級(jí)導(dǎo)航區(qū)。

以科技區(qū)為例，又可以展開(kāi)為科學(xué)科普、社科人文、演講公開(kāi)課等二級(jí)導(dǎo)航；當(dāng)你選擇科學(xué)科普欄目，又能看到環(huán)境、科學(xué)、生物、氣象這些小分類。

我們以羅翔教授的這篇《為什么刑法要嚴(yán)格解釋》為例，從科技>社科人文頻道，進(jìn)入視頻詳情頁(yè)，可以在頁(yè)面中部看到和視頻相關(guān)的信息。

這里有三塊重要信息：

第一，視頻播放量、彈幕量、評(píng)論數(shù)和數(shù)據(jù)排行表現(xiàn)，分別為161.1萬(wàn)、2.6萬(wàn)、7967和全站日排行最高第七。

第二，點(diǎn)贊數(shù)、不喜歡數(shù)、投幣數(shù)、收藏?cái)?shù)和分項(xiàng)數(shù)，其中不喜歡數(shù)并不顯示，其余可量化的數(shù)據(jù)為24.1萬(wàn)、10萬(wàn)、3.3萬(wàn)和7616。

第三，視頻標(biāo)簽，這里區(qū)分了比較熱門(mén)的羅翔、法考專輯標(biāo)簽，也有刑法、校園星UP、厚大等普通熱度話題。

這樣就可以得到一份有關(guān)視頻內(nèi)容的Tag標(biāo)簽：

那這些標(biāo)簽是怎么來(lái)的？

我們從投稿流程看一下，哪些是可以由創(chuàng)作者控制的：

從投稿頁(yè)面可以發(fā)現(xiàn)，用戶上傳視頻后，可以填寫(xiě)的內(nèi)容有五項(xiàng)，分別是分區(qū)、標(biāo)題、類型、標(biāo)簽和簡(jiǎn)介，其中標(biāo)簽的選擇可以是自定義、推薦來(lái)源和參與活動(dòng)。

如果按照視頻投稿前后來(lái)給一份內(nèi)容畫(huà)側(cè)寫(xiě)，創(chuàng)作者相關(guān)信息和內(nèi)容信息可以歸為靜態(tài)數(shù)據(jù)，而具體的數(shù)據(jù)表現(xiàn)隨時(shí)間會(huì)隨時(shí)間變化歸為動(dòng)態(tài)數(shù)據(jù)。

2. 用戶Tag化

萬(wàn)物皆有聯(lián)系，“你的氣質(zhì)里，藏著你讀過(guò)的書(shū)和走過(guò)的路”告訴我們?nèi)烁裉刭|(zhì)會(huì)受讀書(shū)習(xí)慣和生活經(jīng)驗(yàn)影響，而用戶的瀏覽、消費(fèi)等操作行為也隱藏著個(gè)人的偏好。

先來(lái)看一下B站用戶會(huì)被記錄哪些信息和行為數(shù)據(jù)。

歷史瀏覽行為：

播放歷史的記錄使得用戶可以方便的追蹤到自己在什么時(shí)間看了什么視頻。但用戶往往并不會(huì)關(guān)注自己看到了哪里，而只在乎下一次點(diǎn)進(jìn)去是否可以跳過(guò)已播放的部分。

但播放時(shí)長(zhǎng)比是對(duì)視頻質(zhì)量評(píng)判的一個(gè)重要標(biāo)準(zhǔn)：

此外，用戶在視頻詳情頁(yè)對(duì)內(nèi)容的點(diǎn)贊、收藏或不喜歡等操作，也反映出了個(gè)人偏好；評(píng)論作為文本數(shù)據(jù)，也可以從其長(zhǎng)度、情感偏頗、可讀性反映出用戶對(duì)內(nèi)容的喜好程度。

上述可以被用戶明確感知到的行為被歸為顯式行為，而另一類包含屏幕操作軌跡、停留時(shí)長(zhǎng)等不易被用戶感知到的操作被稱為隱式行為。

后者除了被用于構(gòu)建用戶側(cè)寫(xiě)外，也可以用于激發(fā)用戶的顯式行為，如在B站視頻詳情頁(yè)停留時(shí)間滿足一定水平后，會(huì)觸發(fā)分享圖標(biāo)轉(zhuǎn)為顏色鮮明的微信圖標(biāo)。

關(guān)注和訂閱：

關(guān)注和訂閱的up主、話題等，也會(huì)暴露用戶的興趣。

例如，用戶的關(guān)注列表里70%都是類似巫師財(cái)經(jīng)、硬核的半佛仙人、財(cái)經(jīng)藥丸這類up主，那系統(tǒng)在評(píng)估用戶愛(ài)好的時(shí)候大幾率會(huì)給貼上金融愛(ài)好者的標(biāo)簽。

消費(fèi)行為：

B站用戶的消費(fèi)除了會(huì)員外，還包含課程、虛擬游戲、演出展覽、線下游戲等，而消費(fèi)會(huì)留下交易金額、時(shí)間、地址、類型等痕跡。

B站數(shù)億活躍用戶中，移動(dòng)游戲月均付費(fèi)用戶接近150萬(wàn)，直播季度付費(fèi)用戶120萬(wàn)，占比僅為1%左右；作為“金主”，他們不僅在權(quán)益享受上優(yōu)于普通用戶，也會(huì)因其出色的消費(fèi)能力而被推薦系統(tǒng)“盯上”，貼上“消費(fèi)能力佳”的標(biāo)簽。

身份信息：

用戶的身份信息包含性別、年齡、教育水平、地理位置等，允許訪問(wèn)通訊錄、上網(wǎng)記錄后，平臺(tái)還可以獲取到社交關(guān)系和其他產(chǎn)品使用情況，來(lái)推算用戶對(duì)產(chǎn)品的需求程度。

綜上，本文得出一份有關(guān)用戶信息和行為的Tag標(biāo)簽：

從B站首頁(yè)，我們可以發(fā)現(xiàn)：目前基于興趣的推薦視頻一般可以分為這幾種：已關(guān)注、高贊視頻、新星計(jì)劃、關(guān)注的人贊過(guò)、廣告和互動(dòng)視頻，這些標(biāo)簽正是基于內(nèi)容或用戶的tag標(biāo)簽推送到了用戶面前，但單一的tag處理，推薦精確度上還有可以優(yōu)化的空間。

打造圈層：內(nèi)容類聚和用戶群分 

完成對(duì)內(nèi)容和用戶的tag處理后，這兩者仍是個(gè)體，但個(gè)體間會(huì)因?yàn)闃?biāo)簽的類似產(chǎn)生聯(lián)系，從而多個(gè)個(gè)體能夠進(jìn)入同一圈子，權(quán)重和相似性通常被用作劃分圈子內(nèi)個(gè)體關(guān)聯(lián)程度的標(biāo)準(zhǔn)。

1. 內(nèi)容類聚

內(nèi)容和內(nèi)容之間的相似度常用創(chuàng)作者相關(guān)信息（認(rèn)證、關(guān)注）或內(nèi)容信息（頻道、話題活動(dòng)、關(guān)鍵詞）來(lái)計(jì)算，而數(shù)據(jù)表現(xiàn)則一般用于排序展示在排行榜或熱門(mén)中。

這一算法通常用于熱榜推薦場(chǎng)景。

比如動(dòng)物圈下的熱門(mén)標(biāo)簽汪星人、喵星人、大熊貓等，就是因?yàn)閮?nèi)容信息中關(guān)鍵詞的相似而被劃分為同一類視頻，進(jìn)而可以集中展示；或是搜索場(chǎng)景，依據(jù)關(guān)鍵詞進(jìn)行搜索，關(guān)鍵詞用于和數(shù)據(jù)庫(kù)內(nèi)的創(chuàng)作者或內(nèi)容信息進(jìn)行匹配。

2. 用戶群分

用戶和用戶之間的相似度常用用戶行為來(lái)計(jì)算，這一過(guò)程被稱為協(xié)同過(guò)濾，主要以基于物品的協(xié)同和基于用戶的協(xié)同為底層框架。

基于內(nèi)容的協(xié)同：

主體是內(nèi)容，根據(jù)用戶喜歡的視頻，找到和這些視頻相似的內(nèi)容再推薦給用戶。

區(qū)別于上述的內(nèi)容類聚，內(nèi)容協(xié)同的過(guò)濾標(biāo)準(zhǔn)是用戶行為指向內(nèi)容的相似性，而后者的標(biāo)準(zhǔn)沒(méi)有納入用戶的偏好。

基于用戶的協(xié)同：

主體是用戶，根據(jù)某一用戶喜歡的視頻，找到和這位用戶有類似偏好的用戶，再把這個(gè)群體所偏好的視頻推薦給用戶。

我們以B站不同視頻的用戶瀏覽情況舉例，來(lái)區(qū)分這兩類推薦方式。

假設(shè)用戶A喜歡看科技和數(shù)碼區(qū)的內(nèi)容，B站會(huì)給這類用戶推薦什么視頻：

根據(jù)給出的內(nèi)容分區(qū)和瀏覽用戶來(lái)判斷用戶的喜好，在基于內(nèi)容的協(xié)同下，系統(tǒng)會(huì)給用戶A推薦游戲區(qū)的內(nèi)容——因?yàn)檫@三個(gè)分區(qū)的瀏覽用戶相似度更高。

而在基于用戶的協(xié)同下，系統(tǒng)會(huì)給用戶A推薦動(dòng)畫(huà)和游戲區(qū)——因?yàn)锳和用戶B、C的瀏覽歷史相似度更高，而這個(gè)群體似乎更偏好這兩個(gè)分區(qū)。

這一算法更常出現(xiàn)在推薦場(chǎng)景。

觀察下面這個(gè)例子，可以發(fā)現(xiàn)用戶近期觀看的偏好和關(guān)注up主皆是舞蹈音樂(lè)類，所以首頁(yè)推薦同類視頻的占比可以達(dá)到60%以上。

巧用推薦：B站up主與平臺(tái)運(yùn)營(yíng) 

1. up主運(yùn)營(yíng)建議

1）內(nèi)容冷啟動(dòng)

對(duì)于一個(gè)B站內(nèi)新生產(chǎn)的視頻來(lái)說(shuō)，其數(shù)據(jù)表現(xiàn)在短期內(nèi)并不具備很高的參考價(jià)值，所以可供推薦系統(tǒng)參考的是內(nèi)容方的靜態(tài)信息。

從創(chuàng)作者相關(guān)信息來(lái)看，一個(gè)過(guò)去創(chuàng)作記錄更優(yōu)質(zhì)的up主的新內(nèi)容會(huì)在冷啟動(dòng)階段獲得更高推薦量；從內(nèi)容信息看，標(biāo)題、更新時(shí)間、關(guān)鍵詞和封面則是主要因素。

2）持續(xù)創(chuàng)作能力的培養(yǎng)

對(duì)于一名up主來(lái)說(shuō)，標(biāo)題、關(guān)鍵詞的選取不過(guò)是短時(shí)間的嘩眾取寵，真正能獲得穩(wěn)定關(guān)注者和預(yù)期收益的關(guān)鍵在于提高內(nèi)容質(zhì)量、培養(yǎng)自身的持續(xù)創(chuàng)作能力。

基于平臺(tái)對(duì)內(nèi)容原創(chuàng)度、垂直度和傳播度的衡量，up主可以更有針對(duì)性的尋找自身擅長(zhǎng)、熱點(diǎn)度高的版塊，并構(gòu)建自身創(chuàng)作的周期體系，在更新時(shí)間、內(nèi)容質(zhì)量上保持穩(wěn)定性。

3）普通用戶也可以訓(xùn)練自己的待看清單

利用推薦算法的機(jī)制，普通用戶也可以參照其原理，訓(xùn)練自己的推薦清單，從而合理利用B站。

比如，喜歡科普知識(shí)類分享的用戶，在關(guān)注同類up主、延長(zhǎng)科普類視頻播放時(shí)長(zhǎng)、增加點(diǎn)贊、評(píng)論、分享行為后，會(huì)發(fā)現(xiàn)首頁(yè)推送會(huì)更合自己的興趣。

2. 平臺(tái)運(yùn)營(yíng)建議

1）用戶冷啟動(dòng)

相對(duì)內(nèi)容，用戶從注冊(cè)到活躍，也會(huì)面臨一個(gè)從0到1的過(guò)程，平臺(tái)在此期間最重要的目的是通過(guò)優(yōu)質(zhì)內(nèi)容提高用戶活躍和留存。

相比行為數(shù)據(jù)，身份信息是平臺(tái)可以獲取到第一手信息，比如依據(jù)手機(jī)品牌對(duì)用戶偏好做出第一輪興趣猜想。

但要留住用戶，平臺(tái)更重要的任務(wù)是尋找到小白用戶的興趣點(diǎn)，給他貼上標(biāo)簽、劃分興趣圈。

一方面，平臺(tái)可以通過(guò)某頻道的強(qiáng)曝光逐步探索用戶的興趣，鎖定具體分區(qū)并逐漸縮小范圍，或是根據(jù)年齡這一維度更多元的屬性來(lái)做用戶協(xié)同推薦；另一方面，平臺(tái)可以積極利用用戶在初始階段主動(dòng)選擇的分區(qū)、關(guān)鍵詞搜索行為來(lái)逐步構(gòu)建側(cè)寫(xiě)。

2）內(nèi)容多樣性和質(zhì)量?jī)?yōu)化

平臺(tái)給出的頻道是有限的，而B(niǎo)站月均PUG視頻提交量就可以達(dá)到310萬(wàn)，顯然，把規(guī)模如此大的視頻數(shù)僅用幾個(gè)標(biāo)簽劃分是遠(yuǎn)遠(yuǎn)不夠的。

因此，B站不僅允許創(chuàng)作者給視頻添加已有標(biāo)簽和自定義標(biāo)簽，還允許觀眾給視頻添加標(biāo)簽，豐富視頻維度。

從質(zhì)量上看，B站目前延長(zhǎng)了對(duì)視頻的審核流程，意味著對(duì)視頻真實(shí)性、原創(chuàng)、價(jià)值引導(dǎo)上的審核會(huì)更加嚴(yán)格，這一優(yōu)化不僅是對(duì)用戶的尊重，更有利于平臺(tái)的長(zhǎng)期維護(hù)。

3）推薦算法也要跳出封地

推薦算法的怪圈在于“信息繭房”，一種體現(xiàn)是：用戶越是消費(fèi)某一類內(nèi)容，系統(tǒng)越會(huì)推薦同類內(nèi)容，而其他內(nèi)容被隔離在外；另一種體現(xiàn)是：數(shù)據(jù)表現(xiàn)越好的內(nèi)容越能獲得推薦，而長(zhǎng)尾視頻無(wú)出頭之日。

針對(duì)前者，B站的推薦系統(tǒng)并不會(huì)止步于用戶已有興趣的推薦，而是會(huì)在探索中鼓勵(lì)用戶發(fā)現(xiàn)自身更多元化的興趣，這就是基于用戶的協(xié)同推薦要優(yōu)于基于內(nèi)容的協(xié)同的地方。

針對(duì)后者，B站在長(zhǎng)尾視頻曝光上，引入了新星計(jì)劃，也會(huì)提高首頁(yè)推薦的權(quán)重。

4）推薦系統(tǒng)>推薦算法

推薦算法并不等同于推薦系統(tǒng)，人工編輯也有一席之地。

推薦算法下的信息流容易遇到熱點(diǎn)話題刷屏等問(wèn)題，而在價(jià)值、新鮮話題的反應(yīng)上，人為和機(jī)器推薦的組合有時(shí)更能起到畫(huà)龍點(diǎn)睛的作用。

5）up主持續(xù)創(chuàng)作的引導(dǎo)

Up主持續(xù)創(chuàng)作的動(dòng)力不僅來(lái)自于金錢(qián)激勵(lì)，也來(lái)自于成就感、社交互動(dòng)等心理激勵(lì)，而合理運(yùn)用推薦算法可以在滿足創(chuàng)作者心理需求的同時(shí)，帶來(lái)金錢(qián)激勵(lì)。

尤其需要注意的是：B站目前月均活躍up主的數(shù)量已達(dá)到百萬(wàn)級(jí)，如何按照活躍度、關(guān)注度、創(chuàng)作質(zhì)量等維度合理分配up主的推薦比重，是B站運(yùn)營(yíng)迫切需要解決的問(wèn)題之一。

-END-