运营与推荐,仿佛是一个不可分割的共同体,只有运营没有推荐,运营效果会大打折扣;只有推荐,没有运营,推荐自然也是无法开展。所以,运营达人们在掌握各种运营技巧的同时,也应该对于推荐有所了解。这样才能齐头并进,达到理想的目标。

不想当「厨师」的「采购员」不是「好运营」,对于一个内容产品来说,运营的日常的工作中,特别是「内容运营」的同学会经常和推荐算法同学有很多工作上的配合。

运营同学像是一个餐馆的采购员,负责食材的采买,而推荐同学就像是厨师,结合用户所点的菜单(偏好)采用对应的食材做成用户大概率会喜欢的菜肴。

在这个链条里,运营同学在上游,如果引入的内容/创作者不够优质,就像采买的食材不够新鲜高质一样,推荐同学无论怎么努力都很难做出可口的菜肴。

同时还有另一个问题,即便运营同学采买了最好的食材,如果推荐同学做菜的方式有问题,后者没有最合理的使用食材,也没有最大限度发挥食材的价值,暴殄天物了。

因此对于运营同学来说,不仅做好自己的上游工作,还非常有必要知道推荐的相关工作,这样当做出的菜肴不够好吃时,我们才能及时发现是食材的问题,还是做的方法有问题?更快的进行下一步的调整。

一、必知一:内容是如何被推荐的?

对于运营同学来说,首先需要了解的是:内容是如何被推荐的?我们引入的创作者和他们的内容,是如何经过层层流程,决定是否被推荐,以及被给到多少流量的?

内容在进入系统后整体的处理流程,不同产品和不通过公司的处理是不太一样的,但是整体逻辑上基本相同,大模块的业务逻辑基本如下图。

运营必知「推荐」二三事

如上图所示,当用户上传一条内容后,内容会首先经过安全审核的流程,安全审核主要是将一些违规,黄色暴力血腥的内容剔除掉,未过审的视频基本就永久屏蔽或者直接删除。

通过安全审核后,大部分内容社区会有原创审核,将一些重复上传或者搬运的内容过滤掉,原创审核大部分是依靠机器来审核的,未通过原创审核的就只会在用户自己的个人主页,或者粉丝的关注页等私域展示。

通过了原创审核后的视频会再进入第一道质量审核,质量审核主要是把一些无意义、无主题、杂乱的内容过滤掉,通过了第一道质量审核后,内容将会被推荐系统纳入推荐候选池,然后会给作品最基础的流量推荐,目的是通过基础流量后产生的数据初步判断作品质量的好坏。

如果基础流量过后的数据反馈较好的话,就会接着加码给到更多的流量推荐,拿到更多流量推荐后,如果数据表现不好,也会被停止推荐;数据表现好的,会再进入第二道内容质量审核或者举报审核。

第二道质量审核主要目的是防止前面的审核会有漏审,或者有一些不符合社区内容调性的内容出现。举报审核是指消费内容用户主动点击的举报,收到过多举报的内容一定是有潜在风险,需要人工再次审核。

通过第二道质量审核,或者举报审核后,作品将会被持续给到更多流量,进入一个周期的推荐,成为内容平台重点推荐的候选内容。

但是在整个持续推荐过程中,还会有一些更细的审核流程,比如高热审核,针对全平台最热门的视频进行审核,保证没有风险,同时持续进行用户举报审核,及时发现潜在违规作品。

持续推荐过程中,如果内容的数据反馈出现下滑,那么会慢慢的进行推荐冷却,直至停止推荐。

以上所有流程中,被停止推荐的作品,在后续的 过程中,也会因为一些偶然的触发或者其它的召回被重新激活,给到更多流量进行推荐。常见的比如遇到节日,过往节日类的内容就会被重新召回推荐。

了解了上面的推荐流程后,运营同学就能对整体内容的流转有一个清晰的认知,可以结合到自己的产品或者业务逻辑,细化整体的流程,这样当遇到问题的时候,就能及时的知道目前内容处在一个什么阶段。

二、必知二:推荐系统是如何工作的?

上述的推荐流程中,能帮助我们厘清内容流转的逻辑,但是在上图中的流量推荐模块,到底是如何进行推荐的,我们并不清楚。为了搞清楚这个问题,我们得先对整体推荐系统有一个了解。

如果把推荐系统简单拆开来看,推荐系统主要是由数据、算法、架构三个方面组成。

  1. 数据主要提供推荐所必须的信息,包括用户和内容的特征信息,用户对于内容的行为反馈数据等;
  2. 算法主要是提供策略和逻辑,在海量的数据下,人工策略已经很难进行分析和干涉,因此需要一套算法来自动的进行信息逻辑处理和返回推荐的内容;
  3. 架构主要是承载数据和算法的平台,对接上下游的数据和逻辑,保证系统能够稳定、实时自动的运行。

常见的推荐系统如下图所示:

运营必知「推荐」二三事

在上图的推荐架构中,数据存储模块,主要是负责存储内容索引(一种对应到内容的逻辑标识,便于找到内容)、用户特征(包含用户的画像信息,兴趣点等)、用户日志(包含用户在客户端对内容产生的一些行为,比如:点击、点赞、分享、评论等)。

推荐算法部分,会通过内容索引对内容进行召回,召回的候选内容一般都比较多,然后会经过一层过滤,将一些不适合推荐,或者其它运营、审核逻辑干涉的进行过滤,然后产生的推荐候选池会进行排序。

排序通常分为粗排和精排两个步骤,排序的方式是通过用户的特征,以及用户的行为日志,将内容排成用户最有可能细化的顺序。这样最终的排序后的内容就会推送到客户端,按照客户端实际的展现场景进行展示。

内容展示后,用户对其产生的行为就会通过日志重新上报,然后实时进行日志的计算,用户画像更新和推荐指标更新,比如ctr等,实时计算完成后,再更新到数据存储中进行最后的存储。

这样,后续的推荐取得数据都是最新的。

三、必知三:推荐算法核心两步:召回+排序

上述的推荐系统结构图,让我们知道了推荐的上下游工作原理,也知道推荐系统的组成部分有哪些,在这些组成部分里,和运营日常工作中交集最多的部分,应该是推荐算法部分,推荐算法中最核心的两步就是:召回和排序。

了解了这一块,基本也就大概明白了推荐算法的原理,以及我们遇到一些推荐问题的时候,大概也能知道是哪一块出了问题。

我们先来看下「召回」,什么是召回?

召回就是指推荐系统通过某种策略从全量内容池中选取一部分出来,推荐系统召回的方式一般有很多种,比如常见的热门召回、协同过滤召回、兴趣标签召回等。

单一的召回有自己的优点,但同时缺点也会很明显,因此为了有更完整、全面的召回,通常采用的是「多路召回」,如下图所示:

运营必知「推荐」二三事

如上图所示:如果我们根据召回是否有用户个性化因素存在来划分,可以分成两大类:一类是无个性化因素的召回,比如热门内容或者历史点击率高的内容的召回;另外一类是包含个性化因素的召回,比如用户兴趣标签召回、协同过滤召回。

简单解释下这几个常见的召回策略:

  1. 热门召回:即全站,当前按照内容各项指标计算得到的综合分的排序,从这个排序中召回前k1个内容;
  2. 兴趣标签:指根据用户偏向的兴趣标签,比如用户喜欢看体育中的篮球,那么从篮球这个标签下召回k2个内容;
  3. 基于用户的协同过滤:是指计算出用户之间的兴趣相似度,举一个简单的例子,比如用户A喜欢{a,b,c},用户B喜欢{a,b,d},那么我们可以用两个用户喜欢集合的交集除以并集,得到两者的兴趣相似度,为{a,b}/{a,b,c,d}=0.5;这样我们找到和推荐用户兴趣点最相似的用户们,推荐其它当前用户没有看过的内容,比如给用户A推荐d;可以按照相似用户中不同内容的列表召回Top k3个内容;
  4. 基于内容的协同过滤:和基于用户的协同过滤类似,这里我们计算不同内容之间的相似度,计算的方式有很多,简单的可以直接喜欢两个内容的用户数之间的重合度来计算,这样可以得到和当前内容相似的内容序列,按照相似度进行排序,召回Top K4进行推荐;
  5. 基于社交关系的召回:一般是通过社交媒体的关系,将用户的朋友喜欢的内容推荐给用户,比如微信视频号里的,你的朋友点赞的内容推荐;
  6. 上下文信息召回:是指依照一些时间上下文,位置上下午进行召回,最典型的是在节日期间,召回节日相关内容,还有就是依据地理位置,进行附近的内容召回。

召回之后的排序,一般分成粗排和精排两个阶段:

  1. 粗排一般对召回的大量内容,进行一些简单的融合排序,比如多个召回源,各取TOP k,将大量的召回内容,截断到一个可控的量级(一般到千的量级),不然精排阶段会非常耗时;
  2. 精排一般都采用模型进行排序,排序后召回内容会到百量级。

精排的方式有很多,最初级的是策略规则排序(对各路召回,指定权重和规则进行排序),后续有基于各种模型的排序,有LR(线性回归)、LR+GBDT(线性回归+树模型)、FM(因子分解模型)、DNN(深度学习模型)等。

各种模型的排序较为复杂,很多不具备可解释性,在这里不再赘述,感兴趣的读者可以自行检索。

四、必知四:部分书籍和文章推荐

作为运营的同学知道了上述的推荐逻辑后,基本能够很顺畅的和推荐同学进行沟通。同时,也能及时发现推荐系统中可能存在的问题,也能在推荐召回部分、用户画像、内容特征等维护根据自己运营的经验,给出一些自己的看法。

在写这篇文章过程中,我也参考了一些书籍和文章,推荐给大家。

参考资料:

  1. 《推荐系统实战》
  2. 《推荐系统》
  3. 推荐系统技术演进趋势:从召回到排序再到重排
  4. 推荐系统怎样实现多路召回的融合排序
  5. 【机器学习】逻辑回归

 

作者:南村小付,微信公众号:南村小付,快手高级产品经理,曾任职阿里,欢聚时代,7年互联网产品设计运营经验。

本文由@南村小付 授权发布于运营派,未经许可,禁止转载

题图来自Unsplash, 基于CC0协议

登录后参与评论
给作者一些鼓励吧!
等我一分钟 我去找个夸你的句子
这世上美好的东西不多,牛起来要人命的你就是其一!
不要厉害的这么随意,不然我会觉得我又行了
这就很离谱了,老天爷追着喂饭的主儿~
我要是有这才华,我走路都得横着走!
对你的作品崇拜!
反手就是一个推荐,能量满满!
感谢分享
  1. 学习了,感谢分享。

  2. 半个运营,欢迎点评 产品研发期:沟通能力,理解能力,用户画像,造势 产品迭代期:规划能力,用户分析,数据分析,行业趋势,关注利用热点,突发情况处理能力,数据变化应对策略

  3. :| 我来留言催更了

  4. 搞不清做运营分那么多职位干啥,用户运营、内容运营、渠道运营、新媒体运营、活动运营、用户增长等等。。。都被这各大招聘平台给引导坏了。。。我觉得把,本身做运营就是这些模块都要做的。分工太细反而做的更差,毕竟这是一个系统性的活。 :idea:

  5. 手动点个赞

  6. 昨天我们领导才给我分享了这篇文章,没想到在这里又看到。

  7. 关注作者很久了,看到这篇文章的时候想到了很多点子其实真的是可以运用在日常工作中

  8. 道理懂的不少,做的却不好。核心原因还是在于压根就没有听懂和理解对这个道理,以及没有花时间和功夫去验证道理。很多道理都需要验证几次几十次才能成为真理。感谢作者分享。

收藏
评论
返回
营销日历03月28日 更多
西藏百万农奴解放纪念日
加入圈子
全栈运营交流群
加入
抖音运营交流群
加入
小红书运营交流群
加入
视频号运营交流群
加入
公众号运营交流群
加入
APP网站运营交流群
加入