當(dāng)物品數(shù)量級小或者物品的差異性小的情況下，熱門推薦比個(gè)性化推薦更加合適。當(dāng)物品少或者類目聚集時(shí)，個(gè)性化推薦總是推薦同一類的物品，那么個(gè)性化推薦也失去了個(gè)性化的特性了，且個(gè)性化的計(jì)算成本遠(yuǎn)大于熱門計(jì)算。

3. 熱門的劣勢

不可否認(rèn)，熱門也具有很大的弊端，其主要有如下三點(diǎn)：

無法滿足個(gè)性化需求：

當(dāng)用戶存在行為數(shù)據(jù)時(shí)，若一味推薦熱門數(shù)據(jù)，那么個(gè)性化變得黯然失色，千人千面的推薦最終演變?yōu)榍艘幻娴耐扑]，個(gè)性化也從推薦星球的舞臺上褪去。

長尾效應(yīng)：

長尾（The Long Tail）效應(yīng)，是指那些原來不受到重視的銷量小但種類多的產(chǎn)品或服務(wù)由于總量巨大，累積起來的總收益超過主流產(chǎn)品的現(xiàn)象。

如下展示的是熱門的長尾效應(yīng)趨勢圖，圖中表示20%的商品占據(jù)的市場份額超過了80%的商品占據(jù)的市場份額。顯然易見，熱門越流行，長尾效應(yīng)越明顯。

圖：長尾效應(yīng)趨勢圖（來自百度百科）

更新周期慢：

熱門的生產(chǎn)邏輯如下圖所示：根據(jù)用戶行為數(shù)據(jù)和物品自身的內(nèi)容，結(jié)合某種計(jì)算公式（點(diǎn)擊率、購買轉(zhuǎn)化率等）計(jì)算出每個(gè)物品的數(shù)值、排序，從而得到熱門數(shù)據(jù)。

從上面的熱門邏輯來看，其更新速度主要與用戶行為以及物品的數(shù)據(jù)量有關(guān)。在目前數(shù)據(jù)量如此劇增的互聯(lián)網(wǎng)環(huán)境中，熱門的更新速度不得不慢下來了。

圖-熱門的生產(chǎn)邏輯

如何用好熱門推薦

如何用好熱門推薦呢？主要從兩個(gè)部分出發(fā)：首先從熱門自身的短板出發(fā)，著手于解決熱門的弊端；其次，具體闡述個(gè)性化推薦中其他武器與熱門的結(jié)合，從而達(dá)到推薦星球的運(yùn)行理念——統(tǒng)一與個(gè)性共存。

1. 解決熱門弊端的方法

結(jié)合上文提出的熱門弊端，此處針對性的提出相應(yīng)的解決辦法。

用戶的個(gè)性化需求：

如何滿足用戶的個(gè)性化需求呢？相信標(biāo)題和市場已經(jīng)告訴你答案了，即引入個(gè)性化推薦，具體的做法參考下文提到的內(nèi)容與熱門的結(jié)合。

巧妙利用長尾效應(yīng)：

如何解決長尾效應(yīng)呢？解決這個(gè)問題的關(guān)鍵是如何將冷門物品曝光，其中常見的做法是通過熱門的熱度帶動冷門物品，電商巨頭亞馬遜成功運(yùn)用了該方法。

熱門產(chǎn)品為《進(jìn)入空氣稀薄地帶》，向購買過該書的用戶推薦了冷門書籍《觸摸巔峰》，通過內(nèi)容將兩個(gè)物品關(guān)聯(lián)起來，當(dāng)其中一個(gè)物品進(jìn)入熱門后，帶動了另一個(gè)冷門物品的暢銷，最終創(chuàng)造了《觸摸巔峰》的榜單逆行現(xiàn)象。

加快更新周期：

如何加快熱門更新周期呢？其關(guān)鍵在于縮小計(jì)算的數(shù)量級。俗話說：一口吃不掉一個(gè)饅頭，那一般怎么做呢？我們把饅頭切成幾塊，問題迎刃而解。因此面對如此龐大的數(shù)據(jù)量級，通過對物品和用戶人群的劃分，從而加快熱門的更新周期。

2. 和其他武器的結(jié)合

目前市場上賦予智能推薦系統(tǒng)的武器有協(xié)同過濾、用戶畫像、社交關(guān)系、物品畫像、熱門數(shù)據(jù)以及召回排序模型。面對日益豐富的武器庫，很多人感到迷茫，該選擇何種武器贏得推薦市場？

圖 推薦星球的武器庫

• 協(xié)同過濾：無論是基于用戶還是基于物品的協(xié)同過濾，其根本思想需要找到人或者物關(guān)聯(lián)性較大的對象，然后基于此作出推薦。若需提高協(xié)同過濾的方法的精準(zhǔn)性，特殊處理熱門物品/人的數(shù)據(jù)，從而才能保證協(xié)同過濾中計(jì)算的物品/人是真正意義上的相似。
• 用戶畫像：提到個(gè)性化推薦，用戶畫像自動躍入腦海中。很多人對推薦的認(rèn)知是用戶畫像越精準(zhǔn)，則推薦越精準(zhǔn)。對于這點(diǎn)，我們并不否認(rèn)，但是用戶畫像提煉出的是什么呢？是該用戶側(cè)重于哪一方面，或是類目、或是地域、或是話題等等。根據(jù)用戶畫像提煉出的信息，從熱門中取出相匹配的數(shù)據(jù)，自動化的生成高質(zhì)量的推薦結(jié)果。所以，結(jié)合用戶畫像和熱門，使推薦星球能夠召回更加有效的推薦結(jié)果。
• 召回排序模型：該武器在市場上扮演著神秘的角色，其殺傷力以及射程范圍無法預(yù)估。該武器依賴于用戶的行為數(shù)據(jù)，通過一種或幾種模型的混合，從而預(yù)測用戶對物品的評分。

圖-熱門與其他武器的關(guān)聯(lián)性

社交關(guān)系：基于社交關(guān)系的推薦是給用戶賦予其社會屬性，若某用戶是另一用戶的閨蜜或家庭成員，針對某用戶的推薦會考慮另一用戶的行為數(shù)據(jù)。看到這里大家不禁疑惑？是不是和基于用戶的協(xié)同過濾有異曲同工之妙呢？答案確實(shí)如此，只不過基于社交關(guān)系的用戶關(guān)系屬于強(qiáng)關(guān)聯(lián)，而基于用戶的協(xié)同過濾中得到的相似用戶屬于弱關(guān)聯(lián)。因此，社交關(guān)系比基于用戶協(xié)同更直接。

物品畫像：物品畫像在解決長尾現(xiàn)象以及物品冷啟動問題中不可或缺。通過文本處理、內(nèi)容關(guān)聯(lián)、模型等方式計(jì)算兩兩物品之間的相關(guān)性，通過熱門巧妙帶動冷門物品/冷啟動物品，緩解長尾以及物品冷啟動問題。

熱門數(shù)據(jù)：熱門數(shù)據(jù)必不可少，熱門賦予了推薦星球的共性。熱門與推薦星球相結(jié)合，具備了熱門的時(shí)效性、統(tǒng)一性，又具備了推薦的個(gè)性化，同時(shí)緩解了物品冷啟動、長尾效應(yīng)、新用戶冷啟動等問題，提高推薦精準(zhǔn)，推動了推薦星球的發(fā)展。

推薦案例

在不同的場景下，選擇其中幾種武器進(jìn)行合理組裝，最大化的推薦出符合用戶興趣偏好的物品。接下來我們通過案例中詳細(xì)闡述在具體的場景下，當(dāng)面臨實(shí)際問題時(shí)，我們該如何選擇武器并使用該武器。

1. 資訊推薦行業(yè)

眾所周知，資訊行業(yè)中最考究的是時(shí)效性。我們選擇綜合熱點(diǎn)、高時(shí)效性召回、物品畫像、用戶畫像、排序策略（時(shí)間倒排）、后處理策略（時(shí)效性限制）這幾種方式。

Step1：根據(jù)用戶畫像、高時(shí)效性、物品畫像，分別召回符合用戶興趣偏好的高時(shí)效性物品、符合用戶歷史行為的相關(guān)物品；為保證推薦的多樣性，選擇綜合熱點(diǎn)召回當(dāng)下熱點(diǎn)

Step2：對上述召回結(jié)果進(jìn)行后處理—如不符合時(shí)效的item進(jìn)行過濾處理

Step3：對處理后的召回結(jié)果按照某種方式（如時(shí)間倒排）排序，生成推薦結(jié)果。

2. 電商推薦行業(yè)

電商推薦的時(shí)效性不是很強(qiáng)，但其在物品的使用周期需要進(jìn)行特殊處理。在電商推薦中常常遇到的且令人頭大的是：若用戶短期內(nèi)購買了洗發(fā)水，若和其他場景邏輯相似，推薦系統(tǒng)向該用戶推薦不同品牌同功效的洗發(fā)水，但是這種推薦令絕大部分客戶感到反感。

我們選擇高關(guān)注量物品召回、關(guān)聯(lián)規(guī)則訓(xùn)練出的物品相關(guān)、用戶畫像、后處理（同物品限制）、排序策略這幾種武器。具體使用說明如下：

Step1：根據(jù)用戶有行為的物品和關(guān)聯(lián)規(guī)則得到的物品相關(guān)召回相關(guān)武物品；根據(jù)用戶畫像和高關(guān)注量物品召回召回符合用戶興趣偏好的物品

Step2：對上述召回結(jié)果進(jìn)行后處理（同細(xì)分類目下一定周期限制），也許類目無法做到如此精確的細(xì)分處理，那可以通過文本分析，過濾產(chǎn)品相似性過大的物品

Step3：對處理后的召回結(jié)果按照某種召回方式（購買率、關(guān)注度等復(fù)雜排序），從而生成推薦結(jié)果。

3. 總結(jié)

在競爭日益激烈的互聯(lián)網(wǎng)時(shí)代，誰更能抓住用戶的興趣，推薦出符合用戶興趣的物品，誰更容易贏得市場。僅僅只依賴熱門，將無法滿足用戶個(gè)性化需求；若僅僅依賴個(gè)性化（不考慮熱門），又可能面臨與時(shí)代脫節(jié)的風(fēng)險(xiǎn)。

因此，只有將熱門巧妙的融入到推薦星球中，結(jié)合用戶畫像、物品畫像等方法召回推薦侯選集；通過后處理方式對侯選集進(jìn)行過濾處理；通過模型、評估指標(biāo)等生成有序物品結(jié)合，即個(gè)性化與共性共存、時(shí)效性與場景特殊性共存的推薦結(jié)果。

本文由 @達(dá)觀數(shù)據(jù) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議