细 快 深 全 —— 个性化推荐四原则

小时候常幻想发明一款眼镜,戴上它,面对同一个电视机每个人看到的频道是不同的,这样我就可以看我喜欢的动画片,而不用被迫看又臭又长的连续剧与当时看不懂的新闻。这种朴素的个性化需求如今被智能手机实现了,虽然多的不是眼镜,而是屏幕(手机)。

温饱时代后,人们便不再满足于白饭主食,转身追求起了日料火锅西餐,也形成了自己稳定而明确的饮食爱好。互联网娱乐资讯的爆炸推动下,民众的爱好品味也更加多元与明确。你玩快手我知乎,你听喊麦我古风,而热门、大众和爆款已经慢慢已经不再大行其道。个性化以其分众的机制,成为互联网人口红利退潮时浮现的礁石——谁能立身于此,谁就很有可能获得留在风口的许可证。

那么,到底什么是好的个性化呢?与成百上千名用户接触,听他们诉说每一次感动至上瘾的被推荐经历后,我总结出了个性化推荐的四大法宝 —— 细 深 快 全。


一 细 

细 指的是粒度细,“广东省”在区域维度上就是个比“中国”粒度更细的概念。

我很喜欢看老照片,在今日头条上阅读收藏了一两次清末民国历史图片后,timeline上便充满了无数如80年代的中国,世纪初战火下的华北农村生活照等,细致地击中了我的爱好。毫不夸张地说,今日头条我能刷上一个小时。回想之前,我也用过其他个性化阅读平台。然而看了一两次老照片后,估计被后台归类为“历史爱好者”,被推荐了无数清宫秘史唐宋风云史实,简直黑人问号。“历史照片”就是比“历史”更细的粒度,同理,“周杰伦嘻哈歌”就是比“华语流行”更细粒度的概念,而“湖人队球迷”自然也是细于“NBA爱好者”。

同吃饭的例子,面对喜欢刺身的顾客,首选推荐的应该是不同类型的刺身,而不是强塞一碗味增汤,即使他们都属于日料。在无数个性化产品的“娇惯”下,用户越来越挑剔,日料和历史爱好者的分法已经越来越不能让用户感觉贴心,寿司和老照片推荐才能让他们觉得被特殊对待。

粗犷粒度如历史和日料爱好者,还有一个缺点:迟钝。若以此种粒度观之,用户变化的可能性很小,且变化周期很长——喜欢日剧的两年后很大可能还在追日剧,古风爱好者几旬也难改。但如果把粒度变细,粤语歌曲爱好者可以“林夕领入门 皈依黄伟文”,美剧爱好者可以完成从老友记到其他冷门剧。因此,“细”是下文所讲到的“快”的数据结构前提,没有细致的区分,快速反馈的个性化推荐便如巧妇无米。

反思点:后台标签够细了吗?人力不足、标签海量的情况下有使用协同过滤等算法优化了吗?




二 快

我们问了很多音乐的用户,“你记忆中,有哪一次的个性化推荐是最让你惊喜的?”,60%以上的用户都提及了推送的歌曲符合自己当时的心情,如“刚分手很伤心,推送了分手快乐”“。

可见,准的推荐很多都能贴合用户变幻莫测的心情:早上超燃踏着bigbang节奏上班的你,可能会在下午陷入被喂狗粮情伤,晚上又因为女神暗送秋波而振奋地听起《她的睫毛》,几乎每个人的细微情感思绪都是在频繁变化的。情绪平稳是心理学目标但不是现状。所以个性化推荐的反应一定要快,慢一分钟就在让用户觉得准的路上输了一城。

当然,我们不是用户肚子里的蛔虫,能即时感知到他们的喜怒哀乐。但用户行为是有迹可循的,单曲循环“分手快乐”的人所处的应该不是开心的时刻。无时不刻关注用户的操作,听、单曲循环、关注歌手、下载,加黑名单,看新闻、看完一篇文章等,每个操作背后都是一次情绪或认知的波动,迅速做出反馈并保证用户能看到反馈,自然能做到贴心似暖男,赢得用户芳心。

反思点:用户每一个有态度倾向的操作都捕捉了吗?都利用起来了吗?多久刷新一次推荐列表?推荐歌曲根据的长期画像和短期画像权重分别是多少?能否让用户感知到你在鞍前马后随传随到?

三 深

“深”指的是被推荐的内容能深入到特定团体,使用该群体自己的语言和预设。以音乐的歌单为例,即使歌单里面的歌曲都是一致的,《【一日紫金】湖人队季后赛主题曲盘点》比《【动感】令人激情澎湃的体育歌曲》绝对更能集中我的内心。如果全量推送,后者打开率可能会更高,但其在准度上绝对是隔靴搔痒。想要覆盖最广的人群,没有错。想让用户觉得准,也没有错。但如果又想覆盖最广人群又想让用户觉得准,那就是你的不对了。

除了90后,小学生,文艺青年、二次元这些耳熟能详的群体外,丰饶的互联网世界孕育了无数幽暗小角落,抱团成暖,他们用共同的黑话,心照不宣地建成无形却有区别感的围墙。圈内人用特别的暗号作为识别信号,在辽阔互联网惊喜碰头。十年前的 GGMM美眉伊妹儿到现在二次元群体的,虎扑湿乎乎的魔术师儿子、绿油油一条街梗,还有娜样纯杰的爱情、张杰放心飞星星永相随.。时代在变,小群体永存。

想要做到”深“,最大的问题是:各种群体是无法穷尽的,如果按照编辑下发的逻辑,我们只能覆盖到头部的群体如音乐的摇滚民谣,而且粒度也是很粗的,如上文所举的”历史爱好者“。所幸,Web2.0这个老掉牙的概念给我们指明了一道UGC的康庄大道:让用户自己生产最懂自己群体的内容,我们只需搭建好生态,降低生产内容门槛,给予正负向反馈强化,便可以产生出很多深度内容,作为个性化推荐的丰富原料。当然,如果让用户舒服地生产优质内容,也是一番学问,这也是我厂一直的劣势(托下巴忧国忧民深思状)。

四 全

粤语歌爱好者,偶尔听后摇,喜欢看美剧,玩supercell的游戏,这些特征都是我不可分割的部分。而可能在京东后台我只是被简化为“高频低客单价”,在QQ音乐我是“陈奕迅粉丝”,而在腾讯体育则被抽象为“湖人队粉丝”,这些都没错,但它们是孤立的。没有连接,孤立的正确节点也无法带来惊喜的推荐。割裂的不同体系下,永远不可能给我这个粤语歌爱好者推荐到NBA季后赛背景音乐歌单。

腾讯是国内最有条件连接不同生态的企业:拥有微信QQ互联网通行证级别超级ID和蔓延深广的各大服务体系,视频影视游戏体育无所不包。可以说,我厂是最了解中国网民的,而相当可惜的是,每个用户在我们后台被撕裂成不同标签,而不是一个完整的人,想给玩王者荣耀的用户推一张游戏bgm歌单需要有自上而下克服重重隔阂的推动。


In total,腾讯业务的国民级存在,使得同一个平台既要服务杀马特城乡结合部青年,也要周旋古典音乐爱好者,做好个性化自然比某些群体明确的平台难。但做好了,岂不更事半功倍又功德无量?不够想做总有一万个借口,想做只需一个理由:用户价值所在。隐私担忧、部门壁垒和人力不足只是路障而非壁垒,衷心希望我厂能从做好细快深全开始,在这场人口红利退潮中攀上个性化的礁石。

最后夹带一句笔者很喜欢的话:

须知参差多态乃是幸福的本源 —— 罗素

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,080评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,422评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,630评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,554评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,662评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,856评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,014评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,752评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,212评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,541评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,687评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,347评论 4 331
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,973评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,777评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,006评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,406评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,576评论 2 349

推荐阅读更多精彩内容