了解信息流产品和内容推荐算法

知乎live(二)——了解信息流产品和内容推荐算法

本篇文章分为三部分,一是关于知乎live—了解信息流产品和内容推荐算法的内容大纲(具体内容大家感兴趣的可以自己去知乎看看哦),二是对于本次live的一点小总结,三是本人听完本次live之后的一些感想

话不多说,开始进入正文吧

PART1 内容大纲

主讲人简介

吴锴, 2010年毕业于浙江大学数学系,2013年毕业于堪培拉大学信息技术系。从2013年开始到现在,一直在互联网产品经理的一线工作。服务过的公司包扩携程旅行网、魅族科技等。从12年开始在知乎上活跃,目前是“产品经理”话题的索引编辑者之一。从15年开始一直专注在内容分发相关领域。

一、信息流产品的价值在哪里?用户粘性方面?商业营收方面?行业内的数据是什么?

1.1什么是信息流产品

信息流产品是近两年APP发展的趋势,几乎市面上所有APP包括工具类、电商类、生活服务类APP都在做信息流。包括大众点评020产品,微信重点推出的看一看也是很典型的信息流产品。

1.2对用户的价值

1.3商业上的价值

信息流广告(列表页、文章详情页)拥有高效的变现模式,因为和新闻内容接近的广告,用户可以更好接受,类似以前的搜索广告。

二、信息流产品是如何做推荐的?具体流程是什么?

2.1如何推荐内容

人工运营+推荐算法

2.2为什么要用算法

2.3理论上的简化框架

UI界面

用户行为上报系统

用户行为日志存储系统

推荐系统

三、一般用哪些指标来评价,信息流推荐算法的效果?为什么要结合多个指标来评价?

3.1如何评估推荐质量

算法模型分流

核心业务指标

四、决定信息流整体推荐效果的因素有哪些?如何针对这些因素进行优化?

因素一:是否有强大的内容库(要做顶尖的信息流产品,在内容上要非常强大)

因素二:是否有好的交互视觉

因素三:是否对业务参数调优(参数优化)

因素四:数据上报

因素五:冷启动策略

因素六:探索与发现

因素七:是否有好的算法模型

六、信息流产品能够衍生出的产品领域?做过信息流产品的一些体会?

信息流产品的相关领域(涉及到方方面面):

内容库(把内容平台化)

用户画像

短视频

搜索

信息流广告

七、如何进入信息流领域,成为产品经理?

研发自媒体平台(写一些文章,研究这些内容):研发下发策略、研发管理后台、研发数据统计

从内容运营切入:研发推送文案(推送能调起很多日活)、研发推送数据、研发专题策划

如果想做产品:了解推荐流程、使用各种应用(竞品)、研究各种内容

八、书籍推荐

非常适合产品看,侧重于原理和应用

《推荐系统实践》:国内一线的跟推荐相关的产品经理岗位所需的知识这本书足够应对

《这就是搜索引擎-核心技术详解》:了解web搜索各个部分的技术,爬虫、反作弊、缓存、排序等等

《计算广告》

PART2 总结

本次live,主讲人主要从七个方面来讲述信息流产品和内容推荐算法。从信息流产品的价值开始,到介绍信息流的推荐算法具体流程如何,到评价信息流推荐算法效果的指标,到介绍影响信息流推荐效果的因素,再到信息流产品的用户画像体系如何构建,再介绍信息流产品衍生的产品领域,最后就如何进入信息流领域,成为产品经理提了一点建议,并推荐了一些书籍。整体内容循序渐进,内容也较多,也有分享了很多在实际操作中的一些经验。

PART3 感想

刚看到live名称的时候,去查了下信息流的资料之后发现了一些很有意思的内容。比如在百度,有越来越多的内部人员开始往信息流团队迁移;而其他一些逐步边缘化的部门,也有越来越多的员工提出了转岗申请。信息流这样的原生广告有着比banner广告高出220%的点击率。在美国,58%的千禧一代说他们喜欢信息流广告,这一比例大大高出了banner、订阅、弹窗以及其他的一些广告形式。

真真切切地看到这些内容和数据,我对信息流的兴趣也越发浓烈,所以选择了此次live进行收听。其实live开头,主讲人也提到了信息流的内涵和价值,信息流产品是近两年APP发展的趋势,几乎市面上所有APP包括工具类、电商类、生活服务类APP都在做信息流。我觉得其背后的最大原因可能就是信息流内容对于用户的粘性更强,也有着更大的商业变现价值。

听完整个live,我最深的感想主要有以下三点:

首先是关于信息流产品的推荐算法具体实现。可能是因为我之前做项目有接触过推荐算法这块,所以比较敏感,但本次live中,主讲人将具体的推荐算法讲的非常详细。内容的获取→分词提取器→过滤→放入数据库→传给用户兴趣索引→会话上报→协同过滤推荐→rank排序→re-rank打散→fix探索性推荐,对这一整个推荐流程都有了较清晰的认识。此外,我还认识到机器推荐其实也有很多局限性,很多时候,人工推荐在对于新闻价值的预判、新鲜新闻的推荐上效果会更好。

第二点感触比较深的是,算法模型本身带来的差异很小,更重要的是算法人员对业务的理解以及如何使用用户数据。更需要算法和产品经理一起去研究,把可能影响因素探索出来并做一些实验验证。其实很多影响因素比如说交互视觉、冷启动这些方面,其实看着没有什么影响,但是去做了微调、改变后,确实效果得到了很大的提升。可能并不能说出具体的原由,所以还是需要不断地和产品经理去共同的摸索、验证。

第三点就是对于进入信息流领域,成为产品经理可以做的努力。即使没有这方面的想法,但是这些方法对于了解信息流领域还是有很大作用的。去实际体验不同的自媒体平台信息流方面的体验感受,写成文章,去研发推送文章、数据等,去阅读相关的书籍。都可以帮助自己更深入地了解这个领域。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容