知方号

知方号

产品经理学习<内容推荐产品经理>

产品经理学习

目录:

推荐产品核心架构

基于内容的推荐策略

基于人口统计学的推荐策略

基于知识的推荐策略

基于社区的推荐策略

协同过滤的推荐策略

混合过滤推荐策略

推荐产品核心架构

数据预处理:把原始数据处理为可决策数据,量化用户偏好;比如把用户近7天的浏览内容的类目进行统计,计算得出用户偏好的内容为居家商品类

多路召回:按照预先制定不同的策略模型到候选集过滤出符合条件的物品;每一路实际就死一种召回策略。比如个性化召回,是按照个性化偏好

综合排序:采用算法,综合对应的排序策略对召回的结果进行排序,保证优质结果的曝光量,从而提升流量转化率

运营干预:对最终的排序结果进行干预,主要目的是为了配合运营、业务活动等

基于内容的推荐策略

这个策略的核心在于基于用户过去感兴趣的物品,建立其物品的一个相似矩阵;其中物品间的相似性是基于物品一些特征进行量化计算;比如物品有多个相似商品,用户喜欢其中一个,就会推荐其他与之相似的商品,其余商品不会出现在推荐结果

基于人口统计学的推荐策略

基于人口统计信息进行推荐的。这个得前提假设是不同群体的文化和喜好有较大的不同;比如有很多网站会根据用户的语言和国家,进行不同的推荐,这种推荐由于其精准性受限,当下采用的较少。所以这种策略也使用的较少。

基于知识的推荐策略

基于某一特定领域的知识库进行推荐;构建知识库的目的就是在已知用户的需求情况下,从候选集中推荐核实的商品,促成转化。一般这种推荐策略应用在专业度比较高,用户需要重策略的行业内;比如医疗和金融行业

基于社区的推荐策略

人们更愿意相信朋友为他们推荐的产品,这个也基于社区推荐的前提假设

抖音短视频APP获取通讯录权限,微信登录权限,获取好友关系列表,把好友感兴趣的视频推荐给用户

协同过滤推荐策略

    兴趣相同的群体对对方感兴趣的内容也可能喜欢,用户感兴趣一件物品,那么他对该类相似物品也喜欢。

最常用的策略,当下采用最多的是基于用户的协同过滤和基于物品的协同过滤,这两种方法的核心在于通过用户对物品的评分来判断不同用户、物品之间的相似度。

混合推荐策略

实际应用中,混合推荐策略就是包括前面5种策略中的2种或多种

案例:微信的看一看

数据预处理:用户数据:好友关系链;物品数据:公众号文章;行为数据:在看

召回策略:策略1:基于社区的推荐策略(朋友在看)策略2:混合推荐策略(精选)

排序策略:朋友在看:按照朋友点击在看的时间;按照模型排序

运营干预:新冠疫情实时动态置顶展示

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至lizi9903@foxmail.com举报,一经查实,本站将立刻删除。