起點(diǎn)課堂會(huì)員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會(huì)特權(quán)
個(gè)人IP打造特權(quán)
30+門專項(xiàng)技能課
1300+專題課程
12場(chǎng)職場(chǎng)軟技能直播
12場(chǎng)求職輔導(dǎo)直播
12場(chǎng)專業(yè)技能直播
會(huì)員專屬社群
榮耀標(biāo)識(shí)策略產(chǎn)品經(jīng)理工作黃金方法論：4步搞定內(nèi)容精準(zhǔn)推薦
本文以視頻內(nèi)容精準(zhǔn)推薦為例進(jìn)行分享，作者將自己有關(guān)策略產(chǎn)品的學(xué)習(xí)與理解，為大家做一次輸出，希望能夠幫助到對(duì)策略產(chǎn)品感興趣的童鞋們。enjoy~
策略產(chǎn)品黃金四步法：
- 「待解決問題」：首選明確要解決的問題，必須要具體，不可籠統(tǒng)，否則策略方向會(huì)出現(xiàn)偏差；
- 「輸入」：即從【用戶-場(chǎng)景-行為】維度出發(fā)，不同場(chǎng)景下用戶可能的行為，此作為策略的輸入；
- 「計(jì)算方式」：需用清晰的邏輯關(guān)系來表達(dá)，可配合流程邏輯關(guān)系圖，必要時(shí)可直接給出計(jì)算公式；
- 「輸出」：結(jié)果輸出。
在次筆者將自己有關(guān)策略產(chǎn)品的學(xué)習(xí)與理解，為大家做一次輸出，希望能夠幫助到對(duì)策略產(chǎn)品感興趣的童鞋們。
下面，筆者以視頻內(nèi)容精準(zhǔn)推薦為例進(jìn)行分享。
背景
在視頻結(jié)束后，首屏往往會(huì)有6個(gè)其他視頻的推薦?，F(xiàn)在，筆者按照策略產(chǎn)品工作方法論，分析這一視頻推薦策略，來系統(tǒng)介紹策略產(chǎn)品的工作方法論：策略產(chǎn)品四步法。
示例場(chǎng)景：下圖是某視頻網(wǎng)站在某電影結(jié)束后，播放界面展示的6個(gè)推薦視頻。用戶點(diǎn)擊相應(yīng)位置，即可觀看相應(yīng)視頻
1. 待解決問題
注：待解決問題，必須定義出清晰而精準(zhǔn)的目標(biāo)，否則將會(huì)導(dǎo)致策略方向出現(xiàn)偏差。原則上，一個(gè)策略，只解決一個(gè)問題。
此處待解決問題，筆者將其定義為：
視頻結(jié)束后為用戶推薦最貼合其胃口視頻，增加觀看時(shí)長。
2. 輸入（哪些因素會(huì)影響目標(biāo)的達(dá)成）
注：影響因素，作為輸入步驟的關(guān)鍵環(huán)節(jié)，盡可能發(fā)散思維，細(xì)致思考。具體思考方式可采取金字塔原理，先思考一級(jí)維度，然后二級(jí)維度，三級(jí)維度……，注意同級(jí)維度之間要互斥，不可出現(xiàn)交叉或包含被包含關(guān)系，盡量做到窮舉。此處分析越細(xì)致，對(duì)于后續(xù)計(jì)算和輸出關(guān)節(jié)越有幫助。具體工具可采用腦圖或excel等均可。
如下圖即為筆者整理的視頻放映結(jié)束后，影響推薦精準(zhǔn)性的相關(guān)因素：
（右擊，在新標(biāo)簽頁中打開即可查看大圖）
3. 計(jì)算邏輯
計(jì)算邏輯指上述所列舉的各要素，在一定的場(chǎng)景下，采取什么樣的邏輯關(guān)系，相互組合，互相作用，它們直接影響最終結(jié)果產(chǎn)出的準(zhǔn)確度。
計(jì)算邏輯的表現(xiàn)樣式多樣，并不局限，可用邏輯表述或邏輯公式，甚至是復(fù)雜的多元函數(shù)等。如果在邏輯關(guān)系中，涉及到相關(guān)概念，則需要對(duì)概念進(jìn)行詳盡說明，這和PRD一個(gè)道理，其實(shí)就是PRD的一部分。
在計(jì)算邏輯這一環(huán)節(jié)，需要細(xì)致闡述整體邏輯，邏輯關(guān)系與邏輯要素細(xì)節(jié)，要做到提交到相關(guān)干系人手中之后，對(duì)方能夠看得懂、易理解、可執(zhí)行。如果涉及到比較復(fù)雜的計(jì)算公式時(shí)，比如函數(shù)，可以和RD部門合作完成。
3.1 邏輯模型
邏輯模型在實(shí)際工作環(huán)節(jié)中可有可無，它作為整體邏輯，是首要呈現(xiàn)給別人的內(nèi)容，起到提綱挈領(lǐng)的作用，也就是金字塔原理的頂部?jī)?nèi)容，讓別人清晰的知道，接下來你要表達(dá)什么，以及為什么這樣表達(dá)，它有助于相關(guān)同事們從宏觀上理解你的思路。
邏輯模型完全由你自己定義，目的是思路闡述，此處避免過于細(xì)致，要防止陷入細(xì)節(jié)。
3.2 邏輯執(zhí)行流程
對(duì)于復(fù)雜的執(zhí)行邏輯，推薦用流程圖來表述；簡(jiǎn)單的邏輯，幾句話就能表述清楚的，直接文字描述亦可。
下面為筆者所整理的執(zhí)行邏輯。
（右擊，在新標(biāo)簽頁中打開即可查看大圖）
3.3 賦權(quán)項(xiàng)與賦權(quán)值(附表)
此處引用賦權(quán)項(xiàng)與賦權(quán)值的概念。
賦權(quán)項(xiàng)：指包含但不限于用戶交互動(dòng)作，所涉及狀態(tài)等，每一個(gè)賦權(quán)項(xiàng)均對(duì)應(yīng)一個(gè)賦權(quán)值。即，當(dāng)賦權(quán)項(xiàng)發(fā)生的時(shí)候，即可獲得或減少相對(duì)應(yīng)的分值。
3.4 計(jì)算公式
公式一：匹配度計(jì)算
與當(dāng)前視頻匹配度(D)=候選視頻標(biāo)簽數(shù) ÷ (該候選視頻標(biāo)簽數(shù)+在播視頻標(biāo)簽數(shù)）
與歷史視頻匹配度(L)=候選視頻標(biāo)簽數(shù) ÷ (該候選視頻標(biāo)簽數(shù)+歷史畫像標(biāo)簽數(shù)）
整體匹配度(P)=D+L
（注：公式中分母中標(biāo)簽數(shù)量為去重處理后數(shù)量。）
公式二：偏好度計(jì)算
偏好度=（候選視頻標(biāo)簽A賦權(quán)值+標(biāo)簽B賦權(quán)值+標(biāo)簽C賦權(quán)值+……+標(biāo)簽N賦權(quán)值）÷歷史標(biāo)簽總賦權(quán)值
注：
- 候選視頻標(biāo)簽賦權(quán)值調(diào)取歷史畫像中相同標(biāo)簽的賦權(quán)值，即候選視頻標(biāo)簽A，則A的賦權(quán)值等于歷史畫像中標(biāo)簽A在所有過往操作中所累積的賦權(quán)值；
- 歷史畫像中所有標(biāo)簽數(shù)值，均為歷次操作所賦權(quán)數(shù)值的累加總和；
- 標(biāo)簽賦權(quán)值參照附表一；
- 若平臺(tái)無法更新歷史賦值規(guī)則，則按照平臺(tái)既定規(guī)則賦值。
公式三：新熱度計(jì)算
新熱度計(jì)算方式，延續(xù)平臺(tái)既定熱度和新鮮度排序規(guī)則。
3.5 內(nèi)容反差界定
內(nèi)容反差界定，屬于整體策略方案的補(bǔ)充說明，可使整體邏輯推導(dǎo)過程和結(jié)果更加嚴(yán)密，具體工作中，補(bǔ)充內(nèi)容視需要而定。
詞語釋義：內(nèi)容反差界定，指基于既定規(guī)則，系統(tǒng)自動(dòng)識(shí)別不屬于當(dāng)前內(nèi)容關(guān)聯(lián)推薦范疇的內(nèi)容。
如何識(shí)別反差邊界：
（1）基礎(chǔ)用戶畫像：年齡、職業(yè)、性別等
示例場(chǎng)景：如當(dāng)前用戶為一名38歲油膩大叔，絕對(duì)不可能喜歡動(dòng)畫片。當(dāng)賬戶出現(xiàn)大量動(dòng)畫片的時(shí)候，則可基于年齡畫像，將動(dòng)畫片列為反差內(nèi)容予以排除（也許是用戶的孩子在看動(dòng)畫片）。
（2）內(nèi)容類別
不同類別內(nèi)容，不可出現(xiàn)在當(dāng)前內(nèi)容關(guān)聯(lián)推薦列表。
示例場(chǎng)景：當(dāng)前內(nèi)容分類為電影，則電視劇、娛樂播報(bào)、動(dòng)畫片、紀(jì)錄片、體育視頻等不同類別內(nèi)容，不可出現(xiàn)在關(guān)聯(lián)推薦列隊(duì)中。
結(jié)論：內(nèi)容推薦，首要原則要基于當(dāng)前內(nèi)容所述第一維度來區(qū)隔劃分，不可出現(xiàn)不同品類維度內(nèi)容較差關(guān)聯(lián)推薦現(xiàn)象。
4. 輸出（結(jié)果）
輸出部分，作為整體策略工作的最后一個(gè)環(huán)節(jié)，屬于結(jié)果產(chǎn)出。再具體工作中，策略PM們所做的工作，一般截止到上述三步，第四步結(jié)果自然便產(chǎn)生了。
但結(jié)果的產(chǎn)出，并非意味著工作的結(jié)束，這僅僅只是開頭而已。策略，本質(zhì)上，屬于一種探尋性的解決方案，在復(fù)雜多變的問題環(huán)境面前，解決方案永遠(yuǎn)無法做到完美，所以，策略產(chǎn)品也永遠(yuǎn)沒有止境。
在解決產(chǎn)出后，策略產(chǎn)品們首先需要做的是，進(jìn)行效果回歸，及時(shí)跟蹤實(shí)際效果，然后開啟永無止境的循環(huán)迭代。
另外，為了防止問題的發(fā)生，可將策略結(jié)果的輸出，采取A/Btest方式，在策略方案優(yōu)化迭代的基礎(chǔ)上逐步覆蓋用戶群。
寫到最后
策略產(chǎn)品對(duì)于互聯(lián)網(wǎng)產(chǎn)品領(lǐng)域來講，雖然已經(jīng)不算一個(gè)新的概念了，但它的普及也不過一年左右的時(shí)間，也算是一個(gè)較新的產(chǎn)品工種。做一名策略產(chǎn)品經(jīng)理，并不是那么容易的一件事情，它對(duì)PM的綜合素質(zhì)要求較高，門檻自然較高。
策略產(chǎn)品經(jīng)理，不同于功能產(chǎn)品，雖然和數(shù)據(jù)產(chǎn)品有一定重合，但亦有差別，究竟什么是策略產(chǎn)品經(jīng)理，以及如何做一名優(yōu)秀的策略經(jīng)理，請(qǐng)待筆者后續(xù)繼續(xù)為大家分享。
本文由 @劉德超 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 Pexels，基于 CC0 協(xié)議
老師有工作號(hào)或者微信號(hào)交流下嗎？謝謝~
仔細(xì)讀完了這篇文章，寫得很清晰。不過，在匹配度計(jì)算公式上，我有一點(diǎn)疑問：
文章是給出的匹配度計(jì)算公式為：與當(dāng)前視頻匹配度(D)=候選視頻標(biāo)簽數(shù) ÷ (該候選視頻標(biāo)簽數(shù)+在播視頻標(biāo)簽數(shù)）
按照我的理解，匹配度是計(jì)算候選視頻與當(dāng)前視頻的標(biāo)簽匹配程度，所以應(yīng)該按照 二者的相同標(biāo)簽數(shù)/在播視頻標(biāo)簽數(shù) 由此來確定候選視頻是否與在播視頻相似或匹配
舉個(gè)例子：
候選視頻1：與在播視頻相同標(biāo)簽有5個(gè)，此外還有10個(gè)標(biāo)簽，在播視頻除了5個(gè)相同的標(biāo)簽外還有5個(gè)標(biāo)簽
候選視頻2：與在播視頻相同標(biāo)簽有4個(gè)，此外還有20個(gè)標(biāo)簽，在播視頻除了5個(gè)相同的標(biāo)簽外還有6個(gè)標(biāo)簽
在播視頻共有10個(gè)標(biāo)簽，候選視頻1與在播視頻有5個(gè)相同的標(biāo)簽，候選視頻2與在播視頻有4個(gè)相同的標(biāo)簽，直觀來看，顯然候選視頻1是匹配度更高的視頻。但是按照文中的公式計(jì)算，候選視頻2的匹配度更高……
如上述過程有理解不妥之處，還請(qǐng)指教。
文章中的整體思路簡(jiǎn)潔清晰，有一個(gè)問題想探討下：具象這個(gè)場(chǎng)景那么多維度，為什么不粗暴一點(diǎn)使用推薦算法呢，比如直接推薦與觀看視頻類似的視頻就好了，或者推薦與觀看者用戶畫像相似的也ok啊
你好，看到這個(gè)問題我想交流一下。以我的理解，推薦算法的后臺(tái)設(shè)計(jì)也是按照策略制定進(jìn)行的，也就是說推薦算法是策略產(chǎn)品的產(chǎn)物，所以作者這里說的其實(shí)是推薦算法的后臺(tái)設(shè)計(jì)流程。不知道我這樣的理解對(duì)不對(duì)，如果認(rèn)知偏差，還望指教
這兩個(gè)不太一樣，文章中的方式是基于用戶自己行為的推薦，推薦算法有很多是基于相同愛好者推薦，比如協(xié)同過濾算法等等。實(shí)際過程中，兩者兼有之。
作者這里講的是一個(gè)工作流，不是某個(gè)功能模塊的設(shè)計(jì)，你可以理解成設(shè)計(jì)某個(gè)算法規(guī)則或邏輯的過程，這個(gè)算法邏輯或者規(guī)則，在業(yè)務(wù)上統(tǒng)稱為某種策略
不是很明白，新用戶這里：給予偏好前三標(biāo)簽賦權(quán)值排序，再取前十，獲得新標(biāo)簽列表，可以麻煩抽空解答下嗎？
想問下樓主的kpi是什么，常見的是轉(zhuǎn)化率和人均觀看時(shí)長，但是當(dāng)個(gè)性化推薦覆蓋到一定程度之后，后面推薦策略的優(yōu)化帶來的更多是比較平緩的增長。那么做推薦策略產(chǎn)品的話，kpi應(yīng)該怎么定更加合理？
開頭方法論贊同，有兩個(gè)疑惑
1.第二章，開頭是想要窮盡所有影響目標(biāo)的可能因素吧？為啥不從場(chǎng)景上反推，觀看視頻結(jié)束廣告的場(chǎng)景，是不是只有人、視頻、平臺(tái)，三方角色
2.章節(jié)3.2，沒太理解這個(gè)流程圖沒太看懂，如果是結(jié)合用戶畫像做精準(zhǔn)推薦，那是不是明確樣本、訓(xùn)練樣本，交給RD做就行了，如果是自己要出個(gè)策略規(guī)則，那為啥要用這種流程圖？
1.章2，開頭是想要窮盡所有影響目標(biāo)的可能因素么？試試從場(chǎng)景反推，觀看視頻結(jié)束廣告的場(chǎng)景，只有人、視頻、平臺(tái)，三方角色？
2.章節(jié)3.2，流程圖沒太看懂，如果是結(jié)合用戶畫像做精準(zhǔn)推薦，那是不是明確目標(biāo)、訓(xùn)練樣本，交給RD做就行了，如果是自己要出個(gè)策略規(guī)則，那流程圖是給誰看的？
發(fā)完了才發(fā)現(xiàn)好多錯(cuò)別字。。。。
作者有微信和公眾號(hào)么，方便交流一下。
有視頻教程?
您好，我有不明白的地方，看文章時(shí)候一直不太理解標(biāo)簽的概念，請(qǐng)問標(biāo)簽在文章中是怎樣的存在？如果現(xiàn)在的產(chǎn)品沒有標(biāo)簽池，如何建立起體系來？
我想聽作者分析幫忙解析下數(shù)據(jù)產(chǎn)品和策略產(chǎn)品的差別 ? ，誠懇的等待回復(fù)
簡(jiǎn)單來說，策略產(chǎn)品是數(shù)據(jù)產(chǎn)品的延伸。數(shù)據(jù)是底層，策略是上層建筑。如果在數(shù)據(jù)的基礎(chǔ)上，賦予一些解決問題的策略性方案的話，那么，數(shù)據(jù)產(chǎn)品就成了策略產(chǎn)品。舉個(gè)栗子，很多公司都有數(shù)據(jù)中臺(tái)，數(shù)據(jù)產(chǎn)品經(jīng)理的產(chǎn)出是為相應(yīng)部門提供直觀的數(shù)據(jù)報(bào)表，相應(yīng)部門基于可視化數(shù)據(jù)，進(jìn)行一些決策，比如消息推送，優(yōu)惠券發(fā)放，精準(zhǔn)推薦等。那么，基于數(shù)據(jù)進(jìn)行優(yōu)惠券發(fā)放，就而已稱之為策略。實(shí)際工作中，策略遠(yuǎn)比這個(gè)復(fù)雜，這個(gè)是指一個(gè)比喻，方便理解。
不錯(cuò)，有邏輯
首先感謝分享，不錯(cuò)有邏輯流程有標(biāo)準(zhǔn)的參照值列表的文章。
有一點(diǎn)沒看明白煩請(qǐng)講解一下，主要是權(quán)值合理邏輯問題。不勝感激。
1.首先我的理解這個(gè)賦值應(yīng)該是分為兩部分是吧。一部分用于賦值用戶身上，用于記錄或者分析用戶的喜好（畫像）。一部分在視頻本身上（僅本身，用于輔助熱度，評(píng)論相關(guān)定位，同時(shí)用于本次判定用戶是否喜歡這個(gè)視頻）。不知道理解是否有誤？
2.觀看時(shí)實(shí)時(shí)更新用戶的賦值和視頻賦值（為后續(xù)推薦或者整個(gè)生態(tài)建立數(shù)據(jù)分析），好處是及時(shí)用戶沒有看完或者沒有其他動(dòng)作我們也可以捕獲到寫基本數(shù)據(jù)。不知道這個(gè)理解是否有誤，畢竟有直接跳出或者根據(jù)周邊區(qū)域熱推跳轉(zhuǎn)的？
3.真正的問題來了- 根據(jù)年齡推斷這個(gè)權(quán)重值是如何設(shè)定呢，一是中年基本孩子例天天看 汪汪隊(duì)，小豬佩奇。。。。。，二是動(dòng)漫和動(dòng)畫有界定模糊?？赡茏髡邇H作為舉例，按我剛想深度學(xué)習(xí)一下煩請(qǐng)告知。
4.真正的問題來了-最終推薦是否是這樣理解，A用戶歷史賦值（畫像） 動(dòng)畫類型10，動(dòng)作-30，綜藝10，科幻1，戰(zhàn)爭(zhēng)-30。其他信息 年齡30 性別男 身份。。。。，當(dāng)前觀看視頻路徑（電影-歐美-戰(zhàn)爭(zhēng)。。。） 選定范圍，當(dāng)前觀看視頻的意愿（如果判定不喜歡，就不推薦導(dǎo)演，演員關(guān)聯(lián)的視頻了），然后根據(jù)用戶的歷史賦值走穩(wěn)重流程進(jìn)行輔助篩選，然后按照一定規(guī)則排序。
問題比較多，如有作者有時(shí)間煩請(qǐng)解惑一些。再次感謝，我是業(yè)務(wù)和執(zhí)行方向，期待多學(xué)習(xí)一下策略和規(guī)劃相關(guān)
你上面的問題1和2，在文章中已經(jīng)有解答了。就是按照你陳述的思路做的。你的理解沒錯(cuò)，非常正確。
用戶的畫像庫，是實(shí)時(shí)更新的，隨著用戶的每一次操作，實(shí)時(shí)動(dòng)態(tài)更新。用戶的每一次操作就是賦權(quán)項(xiàng)，電影對(duì)應(yīng)的標(biāo)簽，就會(huì)隨著賦權(quán)項(xiàng)而增減相應(yīng)分值。
但是有一點(diǎn)，問題1的描述，用戶的畫像和視頻標(biāo)簽是不能割裂開的。用戶的畫像，就是由這些諸多視頻標(biāo)簽組成的。當(dāng)然除了視頻標(biāo)簽外，畫像還有諸如人口統(tǒng)計(jì)，付費(fèi)額度區(qū)間，賬戶級(jí)別等其他。但是用戶偏好，就是由這些視頻標(biāo)簽決定的。
問題3，正如你說，我只是舉例。只是想說明一下，內(nèi)容推薦要遵從同類目的原則。即，電影后面只能推薦電影，而不能出現(xiàn)話劇或體育視頻等。這個(gè)類目，可以按頻道從屬來界定。產(chǎn)品本身已經(jīng)給出界定邊界了。比如，動(dòng)畫片，體育，娛樂播報(bào)等。
這個(gè)問題 ，更深層的，我也沒有深度思考，可以先采取上面這種粗暴界定方式。更精細(xì)的，應(yīng)該又是一套策略題目了。
比如這樣一個(gè)燒腦的場(chǎng)景：
用戶A，從基礎(chǔ)畫像上來講，是一位50歲大叔，愛功夫片，歐美暴力片，且在過去的5年中，從來沒有看過膩歪歪的韓劇愛情片（正常愛情片，別想歪了）。突然在某個(gè)時(shí)間節(jié)點(diǎn)開始，播放軌跡中密集出現(xiàn)韓劇愛情片。
可以得出如下可能的結(jié)論：
1. 大叔心萌新芽，我們管不著。給與正常熱度值計(jì)算并推薦。
2. 賬戶被盜
（這又需要多條件判定，比如之前愛看的類型還在照常播放嗎？是，賬戶沒被盜。否，賬戶被盜；播放設(shè)備id有變更嗎？變更時(shí)間和播放軌跡變化時(shí)間節(jié)點(diǎn)吻合嗎？如果是移動(dòng)端的話，賬戶啟動(dòng)所在地，和之前有突然的變動(dòng)嗎？變化時(shí)間節(jié)點(diǎn)是否與播放軌跡變化時(shí)間吻合？……）
3. 他人與大叔共享賬號(hào)（找了小蜜也不一定）。
那么如何解決呢？從策略層面，我目前也不知道，以后可以慢慢研究。
但是，可以先用其他方式，給與一些試探動(dòng)作：比如，當(dāng)某韓片播放結(jié)束時(shí)，偶然間彈出那么一個(gè)小窗：請(qǐng)選擇您最喜歡的一個(gè)影片類型 ，選項(xiàng)有： 【功夫，歐美動(dòng)作，韓式愛情】 。
① 如果用戶選了韓式愛情，而根據(jù)當(dāng)前的實(shí)際畫像，韓式愛情熱度遠(yuǎn)遠(yuǎn)不足，基本可以判定，當(dāng)前用戶并非大叔本人，且通過條件判定，賬戶沒有被盜，那么在播放功夫片的時(shí)候，后面就不能推薦韓式愛情片。
② 如果選擇功夫，那么說明大叔春心萌動(dòng)，一切正常。
額……給自己挖了個(gè)坑，大致如此吧。歡迎探討
非常感謝回復(fù)。說明了我確實(shí)理解了作者所發(fā)內(nèi)容，也學(xué)習(xí)到了。再次感謝作者分享。
“4”是我做了個(gè)假設(shè)用于輔助驗(yàn)證推薦篩選是否符合上文所描述的策略方法。打的比較急有錯(cuò)別字可能導(dǎo)致無法很好理解啦。哈哈是我的錯(cuò)。
問題4，表示沒太看懂。
策略推薦，一定按照數(shù)值推薦，其中最關(guān)鍵的是，數(shù)值是怎么來的。數(shù)值本身并不重要，重要的是算法邏輯，有了算法邏輯，自然有了數(shù)值，且數(shù)值是實(shí)時(shí)動(dòng)態(tài)的，不能太過機(jī)械，否則就會(huì)失去策略的意義。
寫得很好
有一個(gè)疑問，煩請(qǐng)解答一下：對(duì)于用戶歷史觀看和現(xiàn)在觀看的視頻是基于該用戶的歷史行為打標(biāo)簽賦值，如果點(diǎn)贊觀看視頻，那這個(gè)視頻的標(biāo)簽值只會(huì)加1次，而推薦池的視頻，是怎么框定它的標(biāo)簽值的，因?yàn)榭催@個(gè)視頻可能有n多個(gè)用戶已經(jīng)看過電炸鍋，比如n個(gè)用戶對(duì)視頻點(diǎn)贊，會(huì)加總n次？不對(duì)等的情況下，如何匹配？
您好，您給自己挖了一個(gè)邏輯陷阱。
您搞混了一個(gè)概念：候選視頻標(biāo)簽分值，并不是有他人觀看該視頻所帶來的。
首先，推薦池的視頻標(biāo)簽值不會(huì)因?yàn)镹個(gè)用戶看，就會(huì)加N個(gè)標(biāo)簽值，因?yàn)槊總€(gè)人所看當(dāng)前視頻帶來的標(biāo)簽值，與他人無關(guān)，只和自己有關(guān)，也就是說，多人看同一部電影，并不意味著這部電影的標(biāo)簽值就會(huì)高。
其次，候選視頻標(biāo)簽值得分來源：候選視頻標(biāo)簽賦權(quán)值調(diào)取歷史畫像中相同標(biāo)簽的賦權(quán)值，即候選視頻標(biāo)簽A，則A的賦權(quán)值等于歷史畫像中標(biāo)簽A在所有過往操作中所累積的賦權(quán)值；
可能有點(diǎn)繞，再舉個(gè)栗子；
候選視頻標(biāo)簽Y，該標(biāo)簽在其歷史畫像標(biāo)簽庫中的熱度得分為：Y賦權(quán)值÷所有標(biāo)簽總賦權(quán)值。分值為百分比。這個(gè)百分比就是標(biāo)簽Y的熱度值。
那么標(biāo)簽庫中的Y賦權(quán)值怎么來的呢？Y的賦權(quán)值由該用戶所有歷史操作帶來，每一次操作都是一次賦權(quán)項(xiàng)，所有賦權(quán)分值的累計(jì)，就是Y的賦權(quán)值。這個(gè)賦權(quán)值÷總賦權(quán)值，就是它的熱度值。
不知我有沒有說明白。
還是有點(diǎn)不理解，候選視頻我沒看之前，是沒有進(jìn)行任何操作的，我理解只能基于候選視頻和我歷史看過視頻來進(jìn)行匹配，要么是以人的緯度進(jìn)行匹配，和我用戶畫像很像的人在看過當(dāng)前視頻后對(duì)候選視頻進(jìn)行了點(diǎn)擊，那判斷我也應(yīng)該會(huì)對(duì)這個(gè)候選視頻感興趣，這中間不會(huì)基于這個(gè)候選視頻的熱度來進(jìn)行推薦嗎？候選視頻被1個(gè)和我畫像相同的人點(diǎn)擊和被3000個(gè)和我畫像相同的人點(diǎn)擊效果是一樣的嗎？當(dāng)前和歷史的我理解了，就是候選視頻這塊計(jì)算邏輯沒明白
簡(jiǎn)單來說，我不理解候選視頻的標(biāo)簽?zāi)睦飦淼?，因?yàn)橘x權(quán)項(xiàng)和賦權(quán)值只提到了操作部分，但是候選視頻，用戶還沒有對(duì)其進(jìn)行任何操作
候選視頻本身，是沒有任何熱度的。為了對(duì)候選視頻進(jìn)行排序，所以我們必須給它合理的搞出點(diǎn)熱度值出來。你的困惑也在于：我還沒有對(duì)候選視頻進(jìn)行任何操作，它怎么能有“熱度”呢？
你可以這樣理解：
首先，基于用戶過往的操作，他有自己的畫像庫，而畫像庫就是由諸多標(biāo)簽組成的（當(dāng)然除了標(biāo)簽外，還有其他畫像內(nèi)容，比如年齡、地區(qū)等，先不管這些，此處只說視頻標(biāo)簽的事情）
其次，用戶畫像庫中的每一個(gè)標(biāo)簽，都有自己的標(biāo)簽熱度值（注：這個(gè)熱度值是一個(gè)百分比，熱度值=該標(biāo)簽賦權(quán)值÷所有標(biāo)簽賦權(quán)總值）基于熱度值生成標(biāo)簽序列，姑且形象的稱其為【標(biāo)簽排隊(duì)】吧，誰第一名，誰第二名，這樣好理解。
再次，候選視頻也會(huì)有自己的標(biāo)簽。用候選視頻的標(biāo)簽，去和用戶的畫像庫中的標(biāo)簽進(jìn)行匹配（或者反向匹配也行，道理一樣）。所匹配成功的畫像庫的標(biāo)簽熱度，就被視為候選視頻的標(biāo)簽熱度（這句話很關(guān)鍵，注意理解）。這里候選視頻的標(biāo)簽熱度，是假熱度(實(shí)際上就是匹配度），其作用只是起到一個(gè)排序的作用，以便將候選視頻按照這個(gè)數(shù)值進(jìn)行排序。照此思路，將所有候選視頻標(biāo)簽的熱度相加，就能得出視頻總熱度，候選視頻的排序就出來了（即匹配度排序）。
再強(qiáng)調(diào)一下，候選視頻的“熱度“，是假熱度，本質(zhì)上就是匹配度，只是為了排序而已。
上面只是針對(duì)你的困惑進(jìn)行了針對(duì)性解答。具體執(zhí)行的時(shí)候，要綜合候選視頻與歷史畫像的匹配度，以及和當(dāng)前視頻的匹配度進(jìn)行統(tǒng)籌考慮。
希望能幫到你。
可以說3個(gè)公式，沒有太搞懂么……現(xiàn)在在做策略評(píng)估，每天接PM的需求，看著好饞～
其實(shí)公式挺好理解的，可以先從整理邏輯模型上來理解。
公式一就是核算匹配度的。匹配度=與當(dāng)前視頻匹配度+與歷史偏好匹配度。匹配度主要解決哪類的問題。
其中，與當(dāng)前視頻匹配度占據(jù)絕對(duì)類目方向主導(dǎo)，也就是說，當(dāng)前看什么視頻，推薦的視頻就應(yīng)該偏重于該類目，同時(shí)以歷史偏好作為輔助。因?yàn)橐曨l是典型心流型消費(fèi)，很容易有沉浸感。比如，我當(dāng)前正在看一部很感人的愛情片，被感動(dòng)的稀里嘩啦，放映結(jié)束后，卻給我推薦恐怖片、功夫片，總是不妥的。
其次就是偏好度，同一類目中，具體偏好哪一部？偏好度主要解決哪個(gè)的問題。
最后就是參照新鮮度和熱度了篩選過濾了。比如騰訊視頻，居然會(huì)在電影后面給我推薦一個(gè)十年前影片的預(yù)告片，2008年的預(yù)告片啊，我也是服了……
唉，我報(bào)了九月的班也是為了省著想選題，好好寫作業(yè)輸出文章的，被搶先了哈哈哈。
干貨，雖然對(duì)于做運(yùn)營的我來說不太切中，但非常認(rèn)可這樣的落地方法
大神！好牛逼的策略產(chǎn)品思路，對(duì)于策略產(chǎn)品講述的很清晰透徹，既有理論，也有案例，是一篇值得收藏并且反復(fù)品讀的文章，學(xué)習(xí)了！