内容算法:把内容变成价值的效率系统 · 第五节
《内容算法:把内容变成价值的效率系统》第五节
本节以Netflix为例,说明推荐系统需按场景适配不同算法:垂类个性化用PVR,基于观看历史推荐用相似度计算,热榜用Top-N,热点用TrendingNow……
本节以Netflix为例,说明推荐系统需按场景适配不同算法:垂类个性化用PVR,基于观看历史推荐用相似度计算,热榜用Top-N,热点用TrendingNow,续看用ContinueWatching,搜索场景则做词与结果的补全。交互界面显性影响用户行为,推荐理由能提升透明度与说服力,引导性设计可沉淀更多数据,故有“交互界面>数据>算法”之说。算法评估分准确度(点击与消费预判,可离线计算)与覆盖度(多样性,如Netflix的ECS指标,个性化算法比纯热门排序高近4倍)。推荐系统还需服务留存、付费等长线多目标,并辅以人工评估弥补指标盲区,如脸谱网的访谈、外包评估与应用内问卷。最后论述冷启动:新内容与新用户需积累足够曝光互动才能建立画像,初期表现决定内容能否被放大或被限流,此时系统更依赖内容固有属性。