如何针对不同用户推荐不同产品实施背景

我从事内容产品有两三年了，从最初接触的长视频到现在风靡的短视频，从最初的各类推荐位设计到现在的大屏内容推荐流设计，在此过程中积累了很多的经验，但却没有停下脚步来思考和总结。趁着疫情，我开始回想整个推荐方案，突然想总结一下，于是就有了如下——我的推荐四步曲。

我现在做的产品是内容型客户端（具体名字不便于透露，望谅解）。从产品核心功能设定到前后端详细功能设计，到项目跟踪，到发布上线，到运营培训，再到用户数据跟踪和产品维护都是我参与和推动的。

推荐功能只是作为整个产品的一部分，今天要说的是短视频模块的推荐机制。

短视频推荐机制经历了如下四步曲：

发布时间排序推荐；

根据用户喜好推荐；

增加运营干扰；

增加平台内容过滤机制。

下面，我按照顺序跟大家分步讲讲。

第一步：发布时间排序

在现在这个信息技术高速增长的社会，只要提到推荐，首先想到的是智能学习，但是我们首先选择的是发布时间排序，原因下面会说到。

1 项目背景

缺少内容沉淀：我们主要采用公司专有人员创作，所以在内容数量上会有一定的缺陷。另外目标用户对内容的接受程度待考量，创作人员需要快速试错。创作人员需要根据的用户反馈，快速调整创作方案，再迅速投到产品中等待再次反馈，所以最新的内容，从用户角度来讲是更愿意看到的，从创作者来讲，也是最愿意让用户看到的。

没有用户数据：新产品，没有存量的用户行为数据做参考，如果立即使用智能推荐，对推荐结果好坏判断未知。

快速上线：产品需要一个月时间完成研发和上线工作。当时的人员配置是：1个安卓、1个ios、3个后台，在资源和时间上来看，难以完成数据量极大的推荐机制。

2 方式机制

最终选择的是按照内容发布时间倒序为主、点赞量、评论量、转发量和收藏量为辅的排序方式。

发布时间倒序：按照内容发布时间新旧排序，新发布的内容用户先看到；

点赞量、评论量、转发量和收藏量为辅：如果存在发布时间相同的内容，先按照用户点赞量递减排序；点赞量相同，按照评论量递减；评论量相同按照转发量递减；转发量相同按照收藏量递减。如果收藏量相同则按照后台获取的优先顺序排序。

3 线上运营情况

产品上线后2-3个月，不同类型间的内容播放数据（平均浏览量环比前日增长）出现两级分化的情况，有的类型是正增长，而较多类型处于负增长主要原因有两个：

用户基数较小，探究的样本空间就相对较小，所以分化比较严重；

这段时间为内容创作适应阶段，需要长期对标用户，调整创作方案和创作类型。

在大半年到1年时间，各类型间播放数据差异（平均浏览量环比前日增长）逐步减少，负增长类型有了明显减少，并且用户次日留存也逐步稳定在15%左右。

第二步：根据用户喜好推荐

1 项目背景

上面说到按照发布时间为主的推荐排序在某些数据上表现较好，但是在用户平均使用时长在2分钟左右，比较低，为了提升用户平均使用时长和进一步提升留存，我们进入喜好推荐。

2 方式机制

用户喜好推荐是通过用户行为和内容标签关联的数据为依据，喜好强度做判断，然后按照由强及弱进行推荐。做此类推荐首先需要有内容数据支撑和用户行为支撑。

内容数据支撑：在我们的内容库里面由运营人员设置了108个内容标签；

用户行为数据支撑：用户行为数据库里面记录了所有已登录用户历史的浏览、播放、点赞、分享、收藏数据。

喜好强弱评定方案：

行为分数定义：对用户播放、点赞、评论、转发、收藏行为按照行为可靠性定义分数，总分10分；（每个平台不一样，我们播放分数5分，点赞2分，其他各1分）

强弱判断：每条内容播放后，根据用户行为算出总分，以后就优先为用户推荐得分高内容的同类型内容；

3 线上运营情况

上线后1周，用户平均使用时长上升到了2分钟—3分钟；

上线后1个月，次日留存稳定在20%-25%。

第三步：增加运营配置

1 项目背景

运营需要：运营活动、时效性内容需要强制推荐；

优化上个方案：完全按照用户喜好推荐，导致同类型问题比较严重

2 方式机制

在服务端返回的每组内容列表里面，增加适当个数的运营位（每个平台根据自己的规则来，我们服务端每次返回20条数据，所以我们配置的是第三个、第6个为运营位，原因是平台用户平均浏览数量是4个，所以在第三个放置，能保证大部分用户首次启动可以看到，同时也不会影响用户体验）。

3 线上运营情况

很庆幸，上线后没有让用户评价使用时长降低，由于运营活动的有效触达，用户次日留存得到了很大提升，达到30%以上。

第四步：增加内容过滤机制

1 项目背景

运营配置虽然解除了少数按照同质化问题（按照用户喜好推荐，可能会导致同类型问题比较严重），但是运营配置位置较少，而且具有较强主观意识。所以本次为平台过滤内容增加了两个位置

2 方式机制

平台内容过滤机制：指的是通过平台用户对内容打分，过滤出优质内容和劣质内容，将优质内容推送给其他更多用户，劣质内容则淘汰不在推送。具实现方式如下：

制定随机种子：内容随机推送给100个用户（数量根据平台用户规模和库内内容存量定），然后通过100个用户对内容的行为 *** 作统计分数；

优劣判断：设定优劣分数判定标准，150分以上为优质。（每个平台不一样，根据用户规模、内容情况和历史数据判定）

优质推送规则：100个随机用户完成打分后，将优质内容按照分数高低推送给其他用户，同时优质内容每天也会再次进行重计分和重排序。

打分规则：内容得分=完播系数分数+是否分享分数+是否关注分数+是否评论分数+是否点赞分数+是否收藏分数；

分数：指的是每个行为占比，这里，设定所有行为总分=10，完播分数=5，其余各项分别=1；

完播：指的是内容完整播放，进度条滑动不计算在内。

3 线上运营情况

功能上线后，保持每天10条以上优质内容产生，目前来看，属于稳定的循环；

用户平均使用时长达到4分钟到5分钟；

用户留存达到35%以上。（留存增长较快，和运营、推广都有较大关系）。

后话

データベース・エソロジーは、windowsエソロジーから継承し、内容が以下通り

并べ替えをしないと、アウトプットされるデータの顺序は何の意味がないと考えられる。

アウトプットしたログ集は欠如がない限り、结果は正しいと见られる。

一件の记录を削除すた场合、データベースのメインキーの値は下方向の次の记录に継承しない。また、データベースは空间を釈放させると、アウトプット顺序の混乱を招くことになる。

御社の名簿顺序のラグはデータベース・エソロジーの结果です。

その顺序をここで声明しても意味がありません。

ご参考まで

您的提问不是很清楚，我只能按照我的理解来回答。

上网行为管理设备有两种，一种是软件产品，这个当然需要你提供服务器和数据库，如果日志量比较大，可能还要专门准备存储服务器。

还有一种是硬件产品，比如新网程网络督察、深信服AC等，这些产品只要直接接入公司网络即可，无需再额外准备任何东西。当然，如果您公司是集团企业，需要分布式管理各地分公司的，那么需要在每个分公司安装一台上网行为管理设备，并在总部架设一台管理中心，这样借助管理中心就能实现全面管理了。管理中心需要服务器和数据库，然后厂商会给你安装管理中心软件的。

全部手打，希望采纳，谢谢！

以上就是关于如何针对不同用户推荐不同产品实施背景全部的内容，包括:如何针对不同用户推荐不同产品实施背景、求翻译：数据库行为学认为：、行为管理器需要配服务器和数据库吗等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！