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”。
