作者：黑白键
全文共 3469 字，阅读需要 6 分钟
—— BEGIN ——
所谓的“内容推荐”，把主语谓语宾语补充完整之后就是“
系统把内容推荐给用户
”。
那推荐系统如何构建？说白了就是要解决“
什么样的内容推荐给什么样的用户
”的问题以及“
如何推
”的问题。
针对引文中的两个问题，可以总结为以下三个点
-
我们推什么样的内容——what
-
我们推给什么样的用户——who
-
内容如何推荐给用户——how
一、内容篇（What）
说到内容，先不着急解决“推什么”的问题。在这之前，我们首先要分析我们拥有什么内容，这些内容是如何产生的。
目前互联网内容信息的载体主要分为以下几种：文字、图片、音频、视频。
而生产这些内容的用户大体又可分为两种：
-
专业从事内容生产的PGC用户，一个PGC用户的背后往往由一个专业的团队组成，他们分工明确，撰写、拍摄、录制、后期、包括后期的市场宣传都有专门的人员从事，此类用户的生产的内容质量往往比较高。
-
普通的UGC生产用户，此类用户无固定生产内容的习惯，往往是三天打鱼两天晒网，其生产的内容质量也较低。
根据平台定位不同，其拥有的内容资源也不同，生产内容的用户构成也不尽相同。
根据上述列出的几种内容类型和生产用户类型，可以组合出“图片+PGC”、“文字、图片+PGC”、“视频+PGC”、“视频+UGC”….等多种组合类型。结合自身平台业务线，找出内容数量靠前的几种组合，也就是我们所拥有的内容优势所在。
当我们分析出我们拥有什么以后，接下来所要解决的问题就是如何筛选优质内容，以及如何进行内容信息识别和聚类。对于优质内容我们要在推荐策略里基于更多展现曝光。
关于优质内容的筛选，主要分为“机器筛选”和“人工筛选”两种方式。而实际操作中，往往是二者的结合，因为单纯机器筛选其客观性太强，部分优质内容机器无法识别
（对于上述四种内容信息的载体，其展现形式的表现力：文本图片=音频>视频）
，而纯人工筛选又会受审美差异等主观因素的影响难易做到公平公正。
“人工筛选”的方式无需多说，而对于机器筛选优质内容，在筛选之前要做好充分的数据收集及上报，只有数据维度足够充分，才能为筛选做保证。
拿音乐app软件举例“如何评判一首普通歌曲的质量好坏”如下图所示：
除了歌曲本身作为内容的形式之外，更是链接“内容生产者”和“内容消费者”之间的纽带，所以数据的收集除了歌曲本身的属性之外
（例如：音频长度、kpbs、格式、文件大小….等等）
之外，也要从生产者的用户属性
（PGC/UGC，年龄，地域，性别，个人爱好….等等）
、发布行为
（上传歌曲的时间、上传歌曲的频次….等等）
和消费者的用户属性
（性别、年龄、职业、地域、注册时间….等等）
、浏览行为
（点击、播放、重复播放次数）
等多维度评价一首歌曲的质量。
不同app对于内容的质量评估数据指标不同，需结合实际情况具体分析，此处不再一一详细列举各个数据指标。
对于歌曲而言，最终要的几个指标无非是：曝光点击比、播放完整度、评论、分享、收藏率…等等等等等等。
此处对内容质量的动态评级，还可以利用对生产者评级和消费者评级的方式来判断，各个等级之间有着严格的标准划分
（此处不详述分级的方法，具体情况具体制定）
，用户的评级随自身行为动态调整
（等级正反馈、负反馈机制）
。
不同等级的用户生产和消费行为，对内容评级的影响不同，越优质的用户其行为对内容质量的影响越大。
说完内容质量的评级，之后就是对内容的聚类。
还拿音乐举例，音乐本身并无任何分类，对于一首歌曲而言无非是多个音符的连续演奏。我们凭借自己的生活经验和认知对歌曲进行分门别类：
-
欧美音乐/港台音乐/内地音乐…
-
摇滚/流行/蓝调…
-
抒情/狂欢/悲伤….
-
钢琴曲/小提琴/吉他曲
……
此处对内容聚类的方法应遵循“相互独立、完全穷尽”的原则。即不同划分维度之间要相互独立，互无交叉，而每个维度里划分又要尽可能细化到最小的颗粒度。
除了内容聚类的方法，内容的聚类的流程，同样的，可以采取人工和机器结合的方式，其大体流程如下图所示：
内容生产者，在上传内容时，对内容进行分类、设定内容标签。其内容进入后台首先按照用户上传时的分类进行筛选，之后由审核人员对其标签进行走查，将无分类的内容进行分类，同时对错误分类进行修正
（此时所有审核人员的操作结果，系统都应该给生产者发送信息提示其内容被修改，优化上传流程）
。
所有人工审核后的内容库里的内容作为最终对外分发的结果，在前端对外分发。
至此，我们已经完成了对优质内容的筛选和对内容的聚类。
那谁来消费我们的内容呢，谁来为我们的内容买单？我们的用户群是谁，他们来自哪？是男是女？年纪多大？他们是高、是矮，是胖，是瘦？从事什么工作？有什么爱好？他们收入如何？
二、用户篇（Who）
承接上文，说到用户，绕不开的一个话题就是用户画像。
要建立推荐系统的用户画像，我首先会问自己两个问题：
-
“我们的用户是谁？”
-
“他们都喜欢什么？”
如果说用户画像是对一个人描述，那么第一个问题更像是描述一个人的外在，第二个问题更像是描述一个人的内在。外在对应用户属性，内在则对应用户行为，行为连接内容，从而分析用户喜好倾向，如下图所示：
此处数据统计的维度和准确性的重要性不再赘述，左侧是用户属性，右侧是相关的用户操作行为，所有的操作行为最终都能落地到具体一个内容上
（我们在“内容篇”已经讲过如何对内容进行分类标识）
我们通过看内容分类标识，从而分析用户的喜好倾向。
这种方法就好比我们写日记，记流水账，只要我们把足够多的信息记录下来，我们就能足以分析数这个人详细用户画像。
例如：2017年5月12日，家住北京，24岁，清华大学毕业的姑娘小倩穿上她的adidas的衣服，开着她的奔驰车，去王府井的一家人均价位在100/位的火锅店吃火锅….）,只要我们记录的信息足够多，足够精确，对用户画像的描述也就越清晰。
在推荐系统里，我们通过用户画像需要解决的是用户喜好倾向的问题，但用户的喜好倾向不是一成不变的，除了要做到数据的持续收集，在判定用户兴趣时，用户的短期兴趣倾向和长期兴趣倾向需要做策略的融合。持续对两种维度的权重调权，从而得到最优解。
举例：我是一个喜欢摇滚音乐的用户，不经意间听了几首纯音乐，我们并不能一刀切的认为用户的喜欢倾向由摇滚转为轻音乐，而是应该记录下这种行为，在策略里不断试探尝试用户兴趣，持续推荐不同内容，从而判定用户真正兴趣。
在推荐系统里，我们通过用户画像需要解决的是用户喜好倾向的问题，但用户的喜好倾向不是一成不变的，除了要做到数据的持续收集，在判定用户兴趣时，用户的短期兴趣倾向和长期兴趣倾向需要做策略的融合。持续对两种维度的权重调权，从而得到最优解。
