「深度」輸出|以頭條為例·淺談推薦策略
『閱前必看』
1.以下內容經@閆澤華老師、@劉飛老師、@聞大哥、@荀哥等資深PM及@新宇、@灝然等應屆PM提議並修改，當前版本為v2.1
2.本文目標用戶：對推薦策略感興趣的產品小白
3.為便於排版，以下鏈接均經過（http://h5ip.cn）縮短網址
4.文章內容刪改多次，但仍有多處未被發現的「錯誤」，任何疑問請在公號留言或羣內發問，筆者會在看後進行解答，助手也會將大家的問題和不錯的答案記錄並形成Q&A在每月月末通過文章形式公示
5.筆者水平有限，希望閱後有益，更多的是希望能帶大家打開推薦策略的大門
6.等等......
『前情梗要』
2018年12月21日凌晨1點多，PMCIRCLE兄弟姐妹羣有人（鵝廠、頭條等大廠某產品大佬）聊到了頭條推薦策略的東西，然後就接了一句，再然後因實在太困（平時12點前必睡）加之手機沒電，就歇了（見下圖）。今早打開微信，看到有人@我，飯都沒喫手打了一大段微信（1300字+），發完就看到了很多的錯誤，遂決定寫一篇文章來做一個簡單的輸出「過往知識的復盤」。
『關於推薦』
首先，為了方便讀者更好的理解本文，筆者將以今日頭條（建議在手機上下好「今日頭條」APP，且最好註冊一個頭條號並登陸到後臺）這款產品為例輸出一些內容推薦（分發）相關的「乾貨」。
回到標題，何為推薦？簡言之：「物以類聚，人以羣分」，那何為物，何為人呢？答：物為內容（文章/圖文/視頻等），人為用戶（刷今日頭條的用戶）；那麼機器怎麼知道內容和人屬於什麼類別（斷物識人）呢？再答：「內容畫像」和「用戶畫像」的構建，而推薦的過程其實就是完成用戶和內容的匹配。那麼什麼是「內容畫像」和「用戶畫像」呢？機器是如何對兩者進行精準構建和匹配呢？
『內容畫像』
內容畫像，簡單來說就是內容的特點。如果具象化內容，筆者更傾向於假設是一個內容漏斗（類似於倒三角形用戶漏斗，不過所示關係不一定為層級關係，見圖1）。第一層通常表示內容的一個垂直領域（大類別）而後面幾層可以大致表示為標籤/關鍵詞/主題詞等小類別。
考慮到內容漏斗有很多層，為了便於理解，筆者簡單說一下用戶可以直觀看到的幾層。最顯眼的可能就是第一層了，在頭條（指今日頭條）內部通常指的就是垂類（垂直領域），如：科技、娛樂、體育等。舉個栗子，筆者昨天發布的一篇vivo NEX的軟廣（原文鏈接：http://h5ip.cn/iQcT），被機器識別成了「科技」領域的文章。那這個內容第一層就是科技，通常為機器標註（涉及NLP技術：文本分類、命名實體識別等）、人工手打（傳說中「打tag」的一種主要形式），或PUGC創作者（統稱：頭條號）在發布內容時進行領域選擇（如圖3），不過，現在發布內容已不需要進行選擇。
顯然，光知道內容的大類並不能給用戶精準的推薦感興趣的內容。這裡再講一層，其實也是一種打tag的形式（涉及NLP技術：文本主題/關鍵詞抽取），只是平臺根據用戶的喜好對內容做更進一步的更細化了。還是上面舉例的這篇vivo NEX雙屏版文章，對應的一些細分tag就有vivo、手機、科技等。「不過「一起皮一下才開心」是什麼鬼？」
當然，這個內容漏斗遠不及這兩層，細分其實有很多種，比如接著上文舉例的文章來說，漏斗可能是這樣的：科技->手機->Android->vivo->vivo旗艦機->vivo NEX->vivo NEX雙屏版。而細分的驚喜，內容畫像也就越清晰，推薦才越精準，當然，技術難度也是同樣提高的。因此，像頭條比較強悍的競品之一，一點資訊號稱365萬個個性化訂閱頻道，可想後面支撐的一個推薦演算法團隊是有多強。
當然，除了內容的特點之外，內容畫像還包含內容的質量、熱度、原創度、所發布用戶的權重等。而這個權重指的就是頭條對頭條號所發布文章的推薦權重（更多的是內容冷啟動推薦數量，以及後續推薦的加成幅度），如圖5可見頭條對筆者這篇「軟廣」的推薦量，也可以側面看出頭條對於軟文的打壓力度。
說到推薦權重，就不得不提一下之前平臺為了讓頭條號作者們過新手/評原創有一個量化的指標，即頭條號指數（如圖6所示），而這個頭條號指數其實可以理解為平臺對於頭條號的一個打分，決定了頭條號所發布內容的推薦權重。而頭條號指數的評定標準有5大方面（如圖7）：原創度、垂直度、關注度、健康度、傳播度。不過，現在頭條號Web端後臺已經看不到了，不過手機端還可以看到。
『用戶畫像』
什麼是用戶畫像呢？簡而言之就是你（顯式&隱式）的基本特徵（比如：性別、學歷、年齡、常駐位置等）和興趣愛好（籃球迷、數碼控、動漫迷等）所構建出來的一個「屬性圖」（技術通常稱為「知識圖譜」）。舉個栗子，我們通常被機器標註成一個數據組合（如圖9）：科技|20%、體育|10%、娛樂|30、養生|5%........
那麼問題來了，機器如何知道一個用戶的畫像呢？首先，用戶分為新用戶和老用戶兩類。針對前者就涉及到了用戶畫像構建的一個常見且難點（策略產品面試比問）——（用戶）冷啟動，通常面試官會問你，如何做用戶冷啟動？
那麼筆者告訴大家一個常見的答案，首先，新用戶打開APP會讓選擇喜歡的領域；其二，絕對的冷啟動並不存在，用戶在其他APP的行為其實也會被監督到，比如你在淘寶看球鞋，打開頭條刷新聞就能刷到你剛看的那款球鞋的廣告，也就是說在你打開APP那一刻，你的一個比較明顯的屬性·體育|籃球已經被獲取了。
其三，機器通常會給你推薦當前熱點內容「比如科技領域|iPhone發布新品，娛樂領域|汪峯上頭條等」，通過你在這些內容下的用戶行為（點擊，點贊，轉發，跳出，停留時長等），機器會對屏幕前面的你有一個「初印象」。通過你在不同領域內容的用戶行為，判斷你對內容的興趣度，從而構建你的一個初步用戶畫像（這是當前常用的一種用戶冷啟動方式）。比如：打開頭條，給你冷啟動推送了12條內容（3條NBA+3條娛樂+3條科技+3條美食），然後你點擊了3條體育，2條數碼，1條娛樂…..。那麼，最開始的用戶畫像（V1.0）可能為體育|30%，數碼領域|20%，娛樂領域|10%，其他領域|20%，目測是一名男性，愛好運動，科技宅等。然後，還發現裡面2條體育內容都是和科比有關的，那麼你大概率是個男性科密數碼控。
後來，你變成了老用戶，隨著你使用頭條的次數越多，你產生的用戶行為數據越多，背後的模型就會被訓練的越「聰明」。隨著你「刷」的越多，你的用戶畫像也會隨之發生不斷的變化，變得越來越細化，越精準。
『如何推薦』
最後，關於機器在用戶畫像和內容畫像精準構建出來之後，如何做推薦呢？事實上，這其實就是一個匹配（match）的操作。當然，簡單說匹配筆者認為還是不夠恰當，因為除了這2個用戶畫像和內容畫像（相關性特徵）之外，機器在訓練模型時還會考慮熱度特徵（全局熱度、分類熱度等）、協同特徵（相似用戶、興趣分類用戶等）、環境特徵（時間、地理位置等），詳見圖10。
那麼，機器學習到了這些如圖6的這些特徵之後，推薦模型就會被不斷的更新（準確的說是模型的參數在發生更新，如：神經網路在做後向傳播時會在每一次迭代時發生相關權重參數的變化），最後機器呈現給不同用戶的內容也會因為這些特徵的不同而不一樣，甚至同類型的用戶，也就是所謂的「千人千面」（最早用在電商平臺）。而作為內容「消費」平臺，這裡主要指的是內容分發。
那麼如何讓內容分發變得更加精準呢？這裡不得不提這兩個名詞，即：召回和排序。這裡難講，簡言之，召回比較依賴於內容和用戶的標籤匹配度，而排序則涉及到一個用戶興趣傾向性，或者是一個更加細粒度的匹配問題上，因為要保證合適的內容放在合適的位置，比如筆者是一個數碼控，那如果推送12篇內容給我，我更傾向於第一篇是關於數碼的而不是娛樂的。而排序也往往能夠反映出推薦策略的優秀程度。因為只有讓用戶最快的觸達你感興趣的內容才會產生更多的留存，才會激活，才能進行轉化（才能更便於平臺推送廣告等商業化操作）。
當然，AI時代，決定模型表現，或者說我們這裡的推薦系統（也可以理解為是一種機器學習模型）的表現，除了演算法本身，還有算力（指的是計算機運算能力，這方面頭條和競品無法拉開差距，因為這是錢能夠解決的問題），還有另外一個關鍵項就是數據（高質量的數據）。關於數據的重要性，讓我想到了帶我做科研的一位博士師兄（目前在Amazon做推薦）說過的一句話：「Garbage in, Garbage out」，而這句話更適用於AI+產品落地上。簡言之，數據對於推薦結果（或者說內容分發）的好壞起著十分根本性的作用。
說到這，請大家跟著筆者思考一個問題，頭條DAU（日活）據說2.4億+，而每個用戶日均使用時長70min+，假設用戶閱讀一篇內容（文章/視頻）的平均時間是2min，那麼用戶閱讀內容數據得有2.4億*70/2 = 84億+（條）！。所以，回到最開始的問題，為啥說頭條推薦如此牛逼呢？那是因為推薦演算法的3個核心壁壘，頭條都屬於業內前列（甚至可以稱得上是國內NO.1）。
『One More Thing』
看完筆者「粗鄙」的輸出，大家對推薦策略有沒有想深入的興趣呢？如果有想了解的衝動，甚至想定位做策略產品經理的話，那麼後面的一些話遠比之前的長篇大論更加實在。私認為（內容推薦）策略產品經理入門之前，一定的推薦演算法 「技術」輸入是必須的。而一個較好且體系的學習方式就是「閱讀+思考+實戰三位一體」「摘自@劉飛老師很久之前在羣裏說的的一段話」。所以，這裡的「One More Thing」是指筆者希望帶（和）大家一起做一些實際的，有意義的輸入，從根本上去尋找打開推薦策略這一黑匣的鑰匙。
關於 「閱讀」，筆者建議大家移步至我之前寫的一個「策略產品入門」的一篇文章獲取一下推薦書籍資源（內附核心書籍下載地址，但建議大家買紙質書便於做筆記），原文鏈接：http://h5ip.cn/AtFI。
關於「思考」，筆者也拉了個羣（在這也特別希望能夠邀請我們要重點閱讀並討論的《內容演算法》一書的作者@閆澤華老師），感興趣的可以掃碼（如圖11）加入，或者讓羣裏的小夥伴拉一下，實在沒認識的人，請聯繫我的助手（V信：lixianggogo2013）並備註：推薦策略-姓名。希望這個羣可以成為一個推薦策略愛好者的聚集地，共同閱讀、思考並輸出一些有價值的內容「至少大家對於推薦策略有了一個比較清晰客觀的理解，而不只是覺得牛逼」。
那麼，大家比較關心的「實踐」部分該如何去做呢？這裡要賣個關子，相信你看完《內容演算法》這本書就會有答案了，因為筆者覺得本書的後半部分其實就是澤華老師在教大家如何去做實踐。
以上，皆為筆者粗鄙之見，所講內容只是今日頭條推薦演算法裏的極少部分，背後的Model和Data十分龐大與強大，紕漏難免，還望諒解並給予批評指正。另外，筆者認為機器（計算機）再厲害，也是人類所「賦予」的，機器越來越聰明的背後反映的應該是人（如：推薦演算法團隊| Modeling & Data processing）在不斷的進化變強！在此，作為南開人，忍不住向今日頭條創始人@張一鳴師兄致敬，向您帶領的優秀團隊表示崇高的敬意！
『參考』
1.閆澤華|《內容演算法》
2.今日頭條·曹歡歡博士|今日頭條演算法原理（全）：http://h5ip.cn/mgq9
3. Dietmar Jannach等著，蔣凡譯|《推薦系統 [ Recommender systems:An introduction]》
4.項亮|《推薦系統實踐》
——策略產品小白|南開NLP碩士·熊慧超，2018.12.27
推薦閱讀：
