夜雨聆风
万字案例拆解:互联网增长引擎_推荐系统
下午好呀，本期带大家一起回顾一下互联网的增长引擎——推荐系统，为什么别的博主篇篇爆文，而你发的内容总是无人问津，让我们用技术角度来深入解析一下～
–
🔥基本所有的内容平台都离不开推荐，那么推荐背后的技术原理是什么呢？来聊一下我的理解吧。
.
❓是什么？
🌟推荐系统是连接用户和内容的工具，因为信息爆炸，用户检索需求内容的成本逐渐提高，故推荐系统应运而生。
.
❓能解决什么问题？
🌟信息过载：推荐系统像是个贴心小助手一样，能帮你从一大堆选择中筛选出你个人喜好和兴趣的内容。
.
🌟个性化需求：推荐系统会根据你的历史行为和个人特点，让你体验到独特的服务。
.
🌟发现新内容：推荐系统可以帮你发现那些可能你还没发现但超级适合你的东西！比如我就很喜欢Q音给我的每日推荐。
.
🌟提高用户体验：目标通常是提升用户留存或者是点赞、转发率。
.
🌟提升收入：在电商的场景，根据用户的历史的购买行为，推荐相关的产品，提高GMV，从而提升收入。
.ㅤ
❓怎么做？
🌟推荐系统用到的数据：用户数据、内容数据
✔用户数据：用户画像（性别、学历等）、兴趣爱好、在线时长等
✔内容数据：笔记分类（母婴、职场等）、笔记赞藏比、笔记类型（图文、视频） ㅤ
.
🌟推jian系统本身的四大步骤：召回、粗排、精排、重排 ✔召回：基于相似用户的浏览内容、相似内容、作者召回、热门召回、地区召回、缓存召回。
✔粗排&精排：排序模型主要预测目标是内容点击率、点赞率、收藏率、转发率等等。更精细化的模型对内容二次筛选
✔重排：主要是基于业务逻辑，需要对算法的结果进行干预，策略为兴趣试探、运营活动份额打造、优质创作者扶持等。
.
❓这里再说到老生常谈的: 冷启动怎么办？
🌟可以看出新笔记是缺乏用户交互行为的信息，所以在推荐中会对地区、时间、相似内容、关键词、类目进行召回。
.
🌟所以，你的笔记想要进推荐池，这几个东西非常重要：地点的标注、发送的时间、笔记关键词、标注类目。
.
好了，本期的内容就到这里了，希望对大家有帮助，也祝创作出更好的内容～
.
源文档放在知识库里啦，大家有兴趣可以自取～！
.
#推荐系统 #AI #产品经理 #推荐算法 #互联网产品经理 #AI产品经理 #大模型 #产品经理入门 #转行产品经理 #快速转行做产品经理 #职场 #干货分享
–
🔥基本所有的内容平台都离不开推荐，那么推荐背后的技术原理是什么呢？来聊一下我的理解吧。
.
❓是什么？
🌟推荐系统是连接用户和内容的工具，因为信息爆炸，用户检索需求内容的成本逐渐提高，故推荐系统应运而生。
.
❓能解决什么问题？
🌟信息过载：推荐系统像是个贴心小助手一样，能帮你从一大堆选择中筛选出你个人喜好和兴趣的内容。
.
🌟个性化需求：推荐系统会根据你的历史行为和个人特点，让你体验到独特的服务。
.
🌟发现新内容：推荐系统可以帮你发现那些可能你还没发现但超级适合你的东西！比如我就很喜欢Q音给我的每日推荐。
.
🌟提高用户体验：目标通常是提升用户留存或者是点赞、转发率。
.
🌟提升收入：在电商的场景，根据用户的历史的购买行为，推荐相关的产品，提高GMV，从而提升收入。
.ㅤ
❓怎么做？
🌟推荐系统用到的数据：用户数据、内容数据
✔用户数据：用户画像（性别、学历等）、兴趣爱好、在线时长等
✔内容数据：笔记分类（母婴、职场等）、笔记赞藏比、笔记类型（图文、视频） ㅤ
.
🌟推jian系统本身的四大步骤：召回、粗排、精排、重排 ✔召回：基于相似用户的浏览内容、相似内容、作者召回、热门召回、地区召回、缓存召回。
✔粗排&精排：排序模型主要预测目标是内容点击率、点赞率、收藏率、转发率等等。更精细化的模型对内容二次筛选
✔重排：主要是基于业务逻辑，需要对算法的结果进行干预，策略为兴趣试探、运营活动份额打造、优质创作者扶持等。
.
❓这里再说到老生常谈的: 冷启动怎么办？
🌟可以看出新笔记是缺乏用户交互行为的信息，所以在推荐中会对地区、时间、相似内容、关键词、类目进行召回。
.
🌟所以，你的笔记想要进推荐池，这几个东西非常重要：地点的标注、发送的时间、笔记关键词、标注类目。
.
好了，本期的内容就到这里了，希望对大家有帮助，也祝创作出更好的内容～
.
源文档放在知识库里啦，大家有兴趣可以自取～！
.
#推荐系统 #AI #产品经理 #推荐算法 #互联网产品经理 #AI产品经理 #大模型 #产品经理入门 #转行产品经理 #快速转行做产品经理 #职场 #干货分享
