如何提高数据运营:糗事百科产品总监李威 如何基于数据构建推荐系统
如何提高数据运营:糗事百科产品总监李威 如何基于数据构建推荐系统由于我们是内容社区,我们就会根据他的偏好,推荐一些他喜欢的视频内容。拿电商来举例,假设一个用户喜欢入耳式耳塞,而头戴式的耳塞也包含“耳塞”这个关键词,那电商就会推荐头戴式耳塞产品,这就是基于内容的推荐。我先简单介绍一下,推荐系统就是说,某个用户在应用内产生了足够多的用户行为,我们对这些数据进行分析,就能发现到他用户的一些偏好。简单来说,不懂算法的“开发”不是好“产品”。糗事百科创始于 2005 年,是国内首个专注搞笑内容的社区。现在我们主要以视频内容为主,所以大家可以把我们理解成一个短视频社区。这个产品的时间线很长,所以涵盖的产品线也很广,包括 App、网页端、小程序、公众号以及微博、新媒体等。我今天主要讲的是 App 本身,先给大家建立概念,这就是一个视频社区,一部分用户在发视频,一部分用户在看视频。以下是我今天的分享,enjoy!
本文主要围绕笔者构建推荐系统过程中的思考,以及碰到的一些数据问题,分析了我们需要注意以及掌握的事项与要点。
大家好,我是李威,来自糗事百科。
今天主要跟大家分享:在糗事百科我们构建推荐系统的事情。因为是增长大会数据专场,所以我不会介绍推荐系统算法细节,而是讲在构建推荐系统过程中我自己的一些思考,以及碰到的一些数据问题。
我在糗事百科主要负责数据、推荐系统,或者说跟数据打交道的一些工作。我本身是算法工程师出身,但由于接触的产品策略非常多,需要了解更多产品相关的知识,慢慢就变成了一个产品人。
简单来说,不懂算法的“开发”不是好“产品”。
糗事百科创始于 2005 年,是国内首个专注搞笑内容的社区。现在我们主要以视频内容为主,所以大家可以把我们理解成一个短视频社区。这个产品的时间线很长,所以涵盖的产品线也很广,包括 App、网页端、小程序、公众号以及微博、新媒体等。
我今天主要讲的是 App 本身,先给大家建立概念,这就是一个视频社区,一部分用户在发视频,一部分用户在看视频。以下是我今天的分享,enjoy!
1. 认识推荐系统1.1 推荐系统的定义
我先简单介绍一下,推荐系统就是说,某个用户在应用内产生了足够多的用户行为,我们对这些数据进行分析,就能发现到他用户的一些偏好。
由于我们是内容社区,我们就会根据他的偏好,推荐一些他喜欢的视频内容。拿电商来举例,假设一个用户喜欢入耳式耳塞,而头戴式的耳塞也包含“耳塞”这个关键词,那电商就会推荐头戴式耳塞产品,这就是基于内容的推荐。
又比如说,一个用户喜欢电脑、喜欢摄影,另外一群用户有同样爱好,但他们不仅喜欢电脑和摄影,还喜欢游戏,那我们就猜测,这个用户可能也会喜欢游戏,所以我们就给他推荐一些游戏相关的产品或者内容,这就是推荐系统在做的事情。
1.2 推荐系统的价值
为什么要做推荐系统?其实是基于这样的一个假设:如果我们给用户推荐了他喜欢的内容,那么他可能就会在我们的平台上看更多的内容,看了更多的内容会怎样呢?
下图显示的是用户在我们平台上每天看的帖子数,以及跟他的留存相关的一些数据。
可以看最底下这条红线,如果他一周只看 200 个以内帖子,那他次日留存以及之后的留存其实是相对较差的;但如果他一周看 2000 个以上帖子,最上面这条紫线,你会发现他的留存会极高,从坐标轴也可以看出来,已经是 90% 以上的留存状况了。我们给用户推荐了他喜欢的内容,他可能就会在我们平台看更多,就会导致他的留存愈加提升,其实这是一个 Product Market Fit(产品-市场匹配) 的过程。我们提供的内容满足了用户的需求和喜好,那我们的产品就给他提供了足够的价值,做到了 Product Market Fit,这就是做推荐系统的原因所在。我看过一句话:
“一个推荐系统来到这个世界上,它只有一个使命,就是要在用户和物品之间建立连接,数据的挖掘和分析就是为了更好地识物断人,从而更高效的完成用户与物品之间的对接”。
![]()