一、搭建推薦策略的必要性

在做一件事情之前先要問(wèn)問(wèn)為什么要做這個(gè)事情，這樣才能在整個(gè)實(shí)施的過(guò)程中游刃有余，有的放矢。

不過(guò)，回答這個(gè)問(wèn)題之前需要對(duì)推薦系統(tǒng)有個(gè)總體的認(rèn)知。

1、關(guān)于推薦系統(tǒng)

先大概回顧一下整個(gè)互聯(lián)網(wǎng)階段對(duì)信息處理的演變過(guò)程。隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展，一方面用戶(hù)足不出戶(hù)就可以得到的大多數(shù)的信息，但是另一方面卻逐漸受到很多無(wú)關(guān)信息的打擾，也就是信息過(guò)載。

為了解決信息過(guò)載的問(wèn)題，整個(gè)信息處理的過(guò)程大概經(jīng)過(guò)了三次演變：

第一次即以門(mén)戶(hù)網(wǎng)站為代表的分類(lèi)處理技術(shù)。通過(guò)對(duì)互聯(lián)網(wǎng)的信息，內(nèi)容進(jìn)行分類(lèi)處理，并且在用戶(hù)端進(jìn)行不同入口的展示，極大的方便了用戶(hù)根據(jù)類(lèi)別來(lái)篩選自己感興趣的內(nèi)容，極具代表性的就是各種門(mén)戶(hù)網(wǎng)站。但是隨著內(nèi)容越來(lái)越多，分類(lèi)也越來(lái)越多，太多的分類(lèi)對(duì)用戶(hù)來(lái)說(shuō)也造成了信息過(guò)載，隨著出現(xiàn)了第二次演變。

二次演變即以PC互聯(lián)網(wǎng)時(shí)代google，百度為代表的搜索引擎。用戶(hù)可以根據(jù)自己明確的目標(biāo)需求進(jìn)行關(guān)鍵詞查找，繁重的目標(biāo)內(nèi)容檢索工作交給了機(jī)器去處理，極大的提升了用戶(hù)信息查看的效率。不難發(fā)現(xiàn)，搜索其實(shí)是解決了用戶(hù)在有明確目標(biāo)的情況下信息檢索需求。但是如果用戶(hù)沒(méi)有明確的目標(biāo)呢，這時(shí)候搜索引擎也無(wú)能為力。緊接著，第三次演變到來(lái)。

第三次演變即以移動(dòng)互聯(lián)網(wǎng)時(shí)代的個(gè)性化推薦，也即千人千面，每個(gè)人看到的都是單獨(dú)為其量身打造的內(nèi)容。和搜索引擎不一樣的是，即使用戶(hù)不主動(dòng)提供明確的需求，只要它在互聯(lián)網(wǎng)上發(fā)生過(guò)相關(guān)的行為，那么推薦就可以給到用戶(hù)最為感興趣的內(nèi)容。

簡(jiǎn)單來(lái)說(shuō)，根據(jù)用戶(hù)的歷史行為進(jìn)行用戶(hù)興趣建模，結(jié)合內(nèi)容的特征，給到用戶(hù)最能滿(mǎn)足其興趣和需求的內(nèi)容，即推薦。

而推薦策略解決的問(wèn)題就是如何能夠推薦出讓用戶(hù)滿(mǎn)意，讓業(yè)務(wù)受益的內(nèi)容。

當(dāng)然，這里的內(nèi)容（一般稱(chēng)之為item）不限其具體的形態(tài)，可以是商品，可以是文章，可以是服務(wù)等等。

二、什么業(yè)務(wù)適合做推薦策略

了解推薦的概念之后，到底哪些業(yè)務(wù)，哪些場(chǎng)景非常適合去做推薦系統(tǒng)，或者說(shuō)應(yīng)該去做推薦策略呢？這個(gè)也是我一直思考的問(wèn)題，總結(jié)了以下幾點(diǎn)：

2.1 有海量的內(nèi)容

推薦系統(tǒng)的初衷就是從海量的item當(dāng)中選出用戶(hù)最感興趣的，所以首先要有海量的item，數(shù)量不足，就無(wú)所謂選擇了。

另一方面，從策略的角度來(lái)講，一個(gè)策略從誕生，到上線，再到驗(yàn)證，整個(gè)過(guò)程都需要海量的數(shù)據(jù)參與，比如item feature提取，模型訓(xùn)練，指標(biāo)驗(yàn)證等等，海量的數(shù)據(jù)能夠確保整個(gè)過(guò)程的準(zhǔn)確性、可行性和科學(xué)性。

2.2 有海量的用戶(hù)

這個(gè)其實(shí)和海量的內(nèi)容是相輔相成的。因?yàn)橥扑]策略本身就是來(lái)鏈接用戶(hù)和內(nèi)容的，所以從這個(gè)角度來(lái)講的話(huà)，有海量?jī)?nèi)容，就需要有海量的用戶(hù)與之對(duì)應(yīng)，否則策略是不靠譜的。

從另一個(gè)角度來(lái)講，推薦策略本身是為了提高流量的利用效率，這種利用效率可以體現(xiàn)為轉(zhuǎn)化率，UV價(jià)值，RPM，GMV等具體指標(biāo)，需要大量的數(shù)據(jù)進(jìn)行驗(yàn)證，否則就沒(méi)有意義。

因此，如果業(yè)務(wù)還在發(fā)展初期，并沒(méi)有多少用戶(hù)，那從產(chǎn)品目標(biāo)本身角度來(lái)講，這個(gè)時(shí)候應(yīng)該主要是以流量導(dǎo)向，而推薦策略并不占據(jù)很重要的優(yōu)先級(jí)。

2.3 非工具類(lèi)業(yè)務(wù)

工具類(lèi)業(yè)務(wù)從其誕生一定會(huì)有一個(gè)明確的目標(biāo)，對(duì)應(yīng)的用戶(hù)也有非常明確的需求，所以對(duì)于這種業(yè)務(wù)一般不會(huì)去推薦其他同類(lèi)內(nèi)容了。當(dāng)然需要區(qū)別一下資源位和推薦。

一般來(lái)說(shuō)，目前應(yīng)用推薦策略比較多的領(lǐng)域包括：電商，視頻，音樂(lè)，閱讀，社區(qū)，社交，廣告，基于位置的服務(wù)等。

2.4 用戶(hù)逛的場(chǎng)景居多

目前用戶(hù)碎片化的時(shí)間越來(lái)越多，用來(lái)在產(chǎn)品上“閑逛”的時(shí)間也就越多，但是，與之對(duì)應(yīng)的是同質(zhì)化的產(chǎn)品也越來(lái)越多，在爭(zhēng)取用戶(hù)注意力這條道路上，能夠基于用戶(hù)的而歷史行為，去實(shí)時(shí)，精準(zhǔn)的推薦用戶(hù)感興趣的內(nèi)容可能是一種最為高效的方式。

個(gè)性化推薦目前已經(jīng)成為了一種新的趨勢(shì)，每一個(gè)產(chǎn)品基本必備一個(gè)BI模塊。不過(guò)，是否值得投入很大的資源去做一個(gè)看似高大上的推薦系統(tǒng)，還是需要好好考慮一下的。

三、搭建策略產(chǎn)品需要哪些條件？

下面有些內(nèi)容在之前的文章里面提到過(guò)：這一年，我做策略產(chǎn)品遇到的坑，在一個(gè)業(yè)務(wù)線搭建推薦策略產(chǎn)品時(shí)，需要先看看如下條件是否滿(mǎn)足：

1、結(jié)構(gòu)化數(shù)據(jù)

現(xiàn)在產(chǎn)品人經(jīng)常講的數(shù)據(jù)驅(qū)動(dòng)，我覺(jué)得更全面的說(shuō)是結(jié)構(gòu)化數(shù)據(jù)驅(qū)動(dòng)。因?yàn)樘幚韥y七八糟的數(shù)據(jù)是一種很糟（dan）糕（teng）的經(jīng)歷。

關(guān)于結(jié)構(gòu)化數(shù)據(jù)的定義可以看之前的文章。對(duì)于搭建策略產(chǎn)品而言，主要看三個(gè)：

(1) 產(chǎn)品埋點(diǎn)是否完備

埋點(diǎn)是唯一能夠準(zhǔn)確，實(shí)時(shí)的采集到線上用戶(hù)行為的手段，而對(duì)于鏈接用戶(hù)和物品信息的推薦產(chǎn)品來(lái)說(shuō)，用戶(hù)行為的重要性就不言而喻了。

(2) 埋點(diǎn)數(shù)據(jù)是否存儲(chǔ)

對(duì)于數(shù)據(jù)來(lái)說(shuō)，埋點(diǎn)僅僅解決了線上是否有采集工具的問(wèn)題，至于是否能夠真正發(fā)揮其數(shù)據(jù)價(jià)值還需要看這些數(shù)據(jù)是否被存儲(chǔ)下來(lái)。

就類(lèi)似城市攝像頭，如果僅僅布置了一個(gè)可以實(shí)時(shí)顯示當(dāng)前區(qū)域內(nèi)景象的工具，其實(shí)對(duì)于城市建設(shè)沒(méi)有任何用處。

在我們之前的一次實(shí)施的過(guò)程中就遇到過(guò)類(lèi)似的問(wèn)題。uuid（用戶(hù)設(shè)備編號(hào)）本身各種日志是有記錄的，但是數(shù)據(jù)表中卻沒(méi)有把這個(gè)字段存下來(lái)，導(dǎo)致無(wú)法直接使用，如果進(jìn)行表結(jié)構(gòu)改動(dòng)，做研發(fā)的同學(xué)應(yīng)該知道，這個(gè)工程量和復(fù)雜量絕對(duì)不小。

(3) 數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)是否合理

最后一個(gè)就是關(guān)于存儲(chǔ)結(jié)構(gòu)的問(wèn)題，主要是指數(shù)據(jù)表結(jié)構(gòu)設(shè)計(jì)的是否合理。

我見(jiàn)過(guò)很多業(yè)務(wù)線的后臺(tái)數(shù)據(jù)的表結(jié)構(gòu)就是按需建表，沒(méi)有一個(gè)統(tǒng)一的規(guī)劃，就類(lèi)似一個(gè)大的房子，沒(méi)有提前做統(tǒng)一規(guī)劃，而是按照各自需要進(jìn)行分割，結(jié)果可想而知。

最主要的額影響就是在搭建系統(tǒng)過(guò)程中，表結(jié)構(gòu)需要不停的進(jìn)行整合，重建，本來(lái)三天可以進(jìn)行入方案開(kāi)發(fā)，會(huì)延期一周甚至更長(zhǎng)時(shí)間用來(lái)處理這些問(wèn)題。

一個(gè)不合理的數(shù)據(jù)庫(kù)設(shè)計(jì)，會(huì)導(dǎo)致工程效率低下。

這些都是我親身經(jīng)歷過(guò)的事情。

可以說(shuō)以上三點(diǎn)，直接決定了一個(gè)業(yè)務(wù)線是否能夠搭建推薦策略產(chǎn)品。

還是那句話(huà)：

底層數(shù)據(jù)各種屬性不全，最好的規(guī)則也白搭。

引以為戒。

總之，結(jié)構(gòu)化的數(shù)據(jù)對(duì)于推薦策略產(chǎn)品的搭建主要有兩個(gè)作用：

一是用于用戶(hù)行為feature的建立用于推薦結(jié)果的召回，比如點(diǎn)擊行為，關(guān)注行為，加購(gòu)行為，下單行為等；另一方面是用于對(duì)推薦效果的驗(yàn)證，主要是通過(guò)線上埋點(diǎn)采集數(shù)據(jù)，進(jìn)行計(jì)算相關(guān)指標(biāo)進(jìn)行推薦效果檢驗(yàn)。

另外再說(shuō)一下我關(guān)于數(shù)據(jù)驅(qū)動(dòng)的理解：

目前的數(shù)據(jù)驅(qū)動(dòng)其實(shí)大多數(shù)停留在數(shù)據(jù)佐證，人驅(qū)動(dòng)上面，換句話(huà)說(shuō)大多數(shù)情況下把數(shù)據(jù)當(dāng)做一種工具，用來(lái)證實(shí)或證偽，然后人再去做相應(yīng)的決策。

我理解真正的數(shù)據(jù)驅(qū)動(dòng)應(yīng)該在用戶(hù)進(jìn)來(lái)的那一刻開(kāi)始，數(shù)據(jù)工程就開(kāi)始運(yùn)作，來(lái)決定給用戶(hù)展示什么，怎么展示，怎么引導(dǎo)。

2、是否有較好的應(yīng)用場(chǎng)景

前面也提到了，不是所有的業(yè)務(wù)都適合做推薦策略產(chǎn)品，其實(shí)最主要是要看這個(gè)業(yè)務(wù)線當(dāng)中是否有比較好的應(yīng)用場(chǎng)景進(jìn)行支持。

通常來(lái)說(shuō)，我覺(jué)得有兩種場(chǎng)景是可以用推薦系統(tǒng)進(jìn)行滿(mǎn)足的：

第一種：更加高效滿(mǎn)足用戶(hù)需求。

比如同樣對(duì)于筆記本這種產(chǎn)品，當(dāng)我們還無(wú)法感知用戶(hù)對(duì)品牌，配置需求的時(shí)候，可以按照商品本身各維度進(jìn)行推薦（物品單邊特征），爭(zhēng)取把性?xún)r(jià)比最高，品質(zhì)最好的產(chǎn)品推薦給用戶(hù)，逐步引導(dǎo)用戶(hù)產(chǎn)生消費(fèi)行為。

這種場(chǎng)景通常可以稱(chēng)作是“千人一面”的場(chǎng)景，就是把業(yè)務(wù)內(nèi)最“好”的東西展示給用戶(hù)，這個(gè)“好”的定義隨業(yè)務(wù)線的不同而不同；

另一種：滿(mǎn)足用戶(hù)的個(gè)性化需求。

當(dāng)我們掌握大量了用戶(hù)行為數(shù)據(jù)的時(shí)候，就可以大概知道一個(gè)用戶(hù)是什么樣的，比如他喜歡的品類(lèi)，能夠承受的價(jià)格等等，從而去建立他的標(biāo)簽?zāi)Ｐ?，依?jù)該模型即可進(jìn)行個(gè)性化推薦了。

這種場(chǎng)景通?？梢猿蔀椤扒饲妗眻?chǎng)景，典型的淘寶首頁(yè)就是按照這種場(chǎng)景進(jìn)行搭建，所以，現(xiàn)在一般不叫淘寶購(gòu)物，而叫“逛”淘寶，這種“逛”的背后就是數(shù)據(jù)決策的驅(qū)動(dòng)。

其實(shí)不難發(fā)現(xiàn)，對(duì)于不明確用戶(hù)目標(biāo)的情況下，推薦有助于高效，精準(zhǔn)的給到用戶(hù)最滿(mǎn)意的物品，是這種場(chǎng)景下的不二之選。

以上。

-END-