应用落地应根据自身业务场景和已有用户，做多重策略的交叉组合

即使你没有接触过推荐系统，你一定听说过“千人千面”。从今日头条到淘宝JD.COM，推荐系统已经成为每个应用程序或网站的标准配置。只要内容或产品SKU足够丰富，肯定会使用推荐系统。简单来说，个性化推荐就是平台会根据用户的个人信息(静态信息)&动态信息)和产品信息，在不同的场景中为不同的用户提供不同的内容或产品推荐。推荐系统的理论基础是用户具有异质性，前提是平台有足够的用户和资源(内容或商品等)。).在推荐相关产品时，人们的重点总是在算法模型的升级迭代和效果的提高上。这样的内容层出不穷，更容易引起*。然而，推荐模块的产品和开发肯定会遇到一个难题，那就是如何冷启动推荐系统。本文将结合实际工作经验，为您提供几种不涉及算法的冷启动方法和策略。冷启动问题的目标用户：新访问用户或新注册用户；行为轨迹非常稀疏，基本没有个人信息的用户；低频应用场景相关行业的用户；冷启动的主要策略主要包括两个方面：充分挖掘用户的个人信息和充分利用现有资源信息。接下来，我们将围绕两个核心方向介绍四种产品策略，共8种。实际上，在应用过程中，用户和资源的各种策略可以交叉进行一对一、一对多的策略组合。我不会忘记这个数学组合的问题。简言之，它远远超过八种。1.充分挖掘用户个人信息策略1：对于未注册用户，我们拥有的用户信息很少，几乎等于没有未注册用户。一方面，平台当然希望第一次访问用户注册，但仍会有一些用户跳过注册步骤，通过游客身份体验产品功能，如果平台本身有弹出窗口要求获得用户授权定位信息，从用户的角度冷启动信息非常有用。当您获得用户定位信息时，大范围是省、城市（如电子商务、旅游平台），小范围可定位为街道建筑（如外卖、出租车平台），冷启动策略是根据现有省、城市或街道建筑用户的行为，获得最近的流行资源作为此类用户的推荐内容。策略2：注册用户的手机号码、位置信息(定位、常住地、收货地址等)、性别对于注册用户，一般我们可以得到用户的手机号码、相关位置信息和其他静态信息（如年龄、职业、教育、婚姻状况、是否有孩子等），这些静态信息比第一个场景更丰富，冷启动策略也需要细分到每个信息点挖掘。例如，除了一种策略方案外，手机号码和位置信息还可以判断用户的常住地和家乡。对于旅游业，国家法定假日是否可以为用户提供往返交通，酒店可以在不同的场景中推荐；例如，年龄可以参考数据库中明显的不同兴趣倾向。对于电子商务、短视频等行业，年轻用户更喜欢食品、服装、时尚、可爱的宠物等，中老年用户更倾向于保持健康、健康提醒、生活技巧、太极广场舞等；如是否有儿童，住宿行业可以提供家庭酒店，旅游行业可以推荐儿童玩具和教育相关内容；策略3：对于通过广告等渠道进入的新用户，用户来源渠道(针对有投放渠道跟踪的场景)，如果平台对交付渠道有相应的跟踪机制，用户进入平台后可以根据交付渠道的具体交付内容进行个性化推荐。一般来说，目前，外部广告也将为不同渠道的不同群体提供不同的材料。推荐模块可以对每个渠道提供的材料进行分类和标记。同一材料可以标记多个相关标签。在明确吸引用户到达平台的触摸点后，建议用户提供相同维度的内容或资源，沉淀转化效果必须良好。策略4：对于新用户，用户可以在第一次访问时主动提供自己感兴趣的内容。该方案需要与其他产品模块联动，用户可以快速了解用户的偏好，从而在冷启动场景中有更准确的召回候选集。比如种草，让用户选择化妆品、电子产品、男装/女装、美食等。；比如新闻，让用户选择实时热点新闻、娱乐新闻、生活八卦、职场宝典等。；比如旅游，让用户选择自己喜欢的目的地类型、亲子欢乐、浪漫情侣、岛上度假、历史寻迹等。；2.充分利用现有资源信息策略1：花式推荐热门资源冷启动时，流行资源的推荐策略被广泛使用。对于新用户来说，整个平台上流行的内容或商品并不是什么大问题。对于新用户来说，整个平台上流行的内容或商品并不是什么大问题。总体思路没有问题，但具体问题要具体分析。虽然整个平台上流行的资源大约等于所有用户最畅销的资源，但不同的平台仍然可以结合获得的用户相关信息优化细分场景。例如，在电子商务平台上，羽绒服和暖宝宝可能在11月份在整个平台上很受欢迎，但这些可以推荐给广州用户吗？例如，在电影平台上，今天最受欢迎的新闻可能是一部国内儿童动画片。中青年男女用户必须围绕这一点推荐吗？例如，在招聘平台上，目前最受欢迎的职位可能是人工智能算法工程师和python开发，但产品经理的有效信息几乎等于零。关键结论：结合平台当前的流行资源和用户的基本属性，尽可能多地曝光不同的类别，避免单一类别的流行资源影响整体效果。策略2：当然，积极曝光优质新产品资源推荐平台的热门资源没有问题，但一些实时新产品虽然没有积累热度，但由于目前转化率很高，如果能及时推荐曝光效果不一定差。一方面，新产品资源的推荐维度可以通过算法直接加权，另一方面，项目可以通过新产品与现有资源的属性进行协调，找出其共性，从而锚定目标群体进行推荐。例如，在最近的电子商务平台上，秋季大闸蟹开始上市。虽然整个平台或局部地区的大闸蟹可能没有足够的热度，但由于大闸蟹属于季节性产品，其重量不应低于所有设置的热门资源，因此新用户进来推荐季节性好商品用户的点击转换会更好。例如，新闻和信息平台每天都有不同的实时热点。当用户没有主动提供*的兴趣领域时，除了目前最热门的新闻外，还可以向用户推荐热增长率较高的新闻和信息。策略3：专注于“专家”标注的资源，这里的专家范围很广，主要是运营学生、产品学生或kol等。专家标注的资源是指基于认同领域专家的意见，人工标注平台拥有的资源。标注的资源主要包括一些热量相对较高、类型相对较广、质量相对较好、近期及时性相对较高的资源。同时，结合平台获得的用户维度信息，推荐更细粒度的组合。这个方案需要一定的人力和时间成本，所以需要多方权衡。策略4：挖掘少数用户行为轨迹中的信息。如果用户本身已经产生了轨迹，但相对稀疏，算法的效果可能相对较差。因此，对于这类用户，我们应该从为数不多的轨迹行为中挖掘用户的兴趣和*，并使用规则快速覆盖。但是，该策略的使用有两个关键点：我们必须在不久的将来深入挖掘轨迹；必须结合资源推荐的其他维度进行推荐；鉴于上述两点，分析的本质主要是用户的需求发生了变化（很有可能）。半年前的一两条轨道和今天他对平台的需求可能发生了变化。基于此，即使是一个月前的轨道，我们也应该考虑其及时性的成本，需要结合当前流行资源或新产品资源进行多元化推荐，否则推荐的内容可能不是马嘴。对于用户点击的资源（内容或商品）具有较高的价值系数，平台可以分析其类别、标签等属性，挖掘相关商品（相同类别、相同属性或相关属性），丰富推荐候选人，达到更好的推荐效果。例如，在旅游平台上，用户可能在半年前浏览过与“家庭住宅”和“家庭旅游”相关的内容或产品，但今天他访问了这个平台。一方面，我们可以确定用户属于亲子用户，可以推荐此类资源。但同时也要考虑用户需求的变化，如浏览或预订是为了帮助亲戚或朋友（孩子属于亲戚或朋友），这是他们自己的需求需要完成（用户本身未婚），所以在推荐维度需要考虑当前流行的旅游目的地或游戏方式，多样化的推荐不会太差。在实际应用落地过程中，应根据平台本身的业务场景和现有用户进行总结&多策略交叉组合资源信息，找到不同场景对应的最佳冷启动方案。