第二節(jié)　企業(yè)的挑戰(zhàn)：如何落地

一、真的需要智能推薦嗎

筆者在公司接觸過(guò)不少產(chǎn)品尚未設(shè)計(jì)完成便準(zhǔn)備應(yīng)用推薦系統(tǒng)，趕上智能推薦春風(fēng)的創(chuàng)業(yè)者或者PM，在上線之前筆者一般都會(huì)提醒客戶思考一個(gè)問(wèn)題：我的平臺(tái)真的需要智能推薦嗎？智能推薦服務(wù)的正常運(yùn)轉(zhuǎn)，不僅需要靠譜的算法工程師團(tuán)隊(duì)、數(shù)據(jù)準(zhǔn)備、推薦方案準(zhǔn)備、推薦優(yōu)化等，還需要服務(wù)器硬件等集群準(zhǔn)備，上線智能推薦這套服務(wù)是需要大量的人力、物力、財(cái)力的。只有我們搞清楚智能推薦“是什么”“有什么用”之后，才能去討論“怎么應(yīng)用”的問(wèn)題。

關(guān)于“是什么”的問(wèn)題，在上面章節(jié)中分析過(guò)，推薦系統(tǒng)的本質(zhì)是信息的分發(fā)，是信息與用戶進(jìn)行的有條件的匹配，其中連接了兩個(gè)主體：信息與用戶。那么，滿足哪些特征的信息與用戶適用推薦系統(tǒng)呢？

（1）具有一定的信息量。智能推薦實(shí)現(xiàn)了平臺(tái)內(nèi)長(zhǎng)尾內(nèi)容的挖掘，從技術(shù)層面上打破了“二八定律”和“馬太效應(yīng)”。如果平臺(tái)內(nèi)信息過(guò)少，通過(guò)分類查找的方式即可瀏覽所有內(nèi)容，也就是不存在長(zhǎng)尾內(nèi)容，那么智能推薦在平臺(tái)操作主路徑的價(jià)值就比較少，但也并非全無(wú)用武之地。

（2）用戶與信息尚未建立強(qiáng)關(guān)聯(lián)關(guān)系。如果用戶和信息已經(jīng)建立了明確的規(guī)則性關(guān)聯(lián)關(guān)系，通過(guò)規(guī)則的方式即可以滿足用戶的信息需求，那么平臺(tái)則不需要智能推薦。例如，藥品電商場(chǎng)景中，為感冒的患者匹配的是固定的感冒藥，不會(huì)因?yàn)橛脩粼?jīng)點(diǎn)擊過(guò)健胃消食片就推薦用戶治療腸胃的藥，用戶的需求是非常明確的，與治療感冒無(wú)關(guān)的藥對(duì)于用戶來(lái)說(shuō)就是無(wú)效信息、干擾信息。另外，假設(shè)用戶在使用微博時(shí)，已經(jīng)與所有的用戶建立了確定的朋友關(guān)系，那么向用戶再進(jìn)行朋友推薦也沒(méi)有意義。智能推薦通過(guò)用戶的歷史行為數(shù)據(jù)預(yù)測(cè)用戶新的行為，也就是根據(jù)以往的用戶與信息的關(guān)系去推斷未來(lái)的用戶與信息的關(guān)系，而當(dāng)用戶與信息的關(guān)系是明確的、不需預(yù)測(cè)的時(shí)候，智能推薦自然也就沒(méi)有了存在的意義。

（3）平臺(tái)價(jià)值通過(guò)信息與用戶建立關(guān)聯(lián)體現(xiàn)。有很多平臺(tái)的存在就是為用戶提供工具，如文檔編輯軟件就是為用戶編輯而生，其平臺(tái)的價(jià)值是提升用戶的生產(chǎn)效率，那么則不需要智能推薦。當(dāng)然，在文檔編輯軟件的輔助路徑上可能會(huì)用到推薦，筆者服務(wù)過(guò)一些設(shè)計(jì)素材和Office編輯軟件商，用戶有尋找相關(guān)素材的需求，則會(huì)應(yīng)用文庫(kù)、PPT、表格、圖片等相似和個(gè)性化推薦，這些功能的價(jià)值也是為了幫助用戶盡快與需要的信息建立關(guān)系。

（4）用戶與信息產(chǎn)生持續(xù)的互動(dòng)。有很多展示性企業(yè)網(wǎng)站，目的就是介紹公司業(yè)務(wù)、展示公司形象，用戶大多只產(chǎn)生一次性的瀏覽，看完即走。平臺(tái)在不需要考慮用戶留存和黏性的情況下，也不需要根據(jù)用戶的歷史行為數(shù)據(jù)去預(yù)測(cè)用戶新的行為時(shí)，不需要使用智能推薦。

一般來(lái)說(shuō)，不符合上述四個(gè)條件的平臺(tái)基本不需要智能推薦，在上線智能推薦之前，需要思考一下自身的平臺(tái)是否符合。若是符合智能推薦的應(yīng)用場(chǎng)景，也要考慮智能推薦在商業(yè)化場(chǎng)景下的投入產(chǎn)出比，而要搭建一套成熟的推薦系統(tǒng)對(duì)于創(chuàng)業(yè)型公司來(lái)說(shuō)不是一件輕而易舉的事情。由于智能推薦正處在風(fēng)口上，所以上線智能推薦被很多公司上升到了戰(zhàn)略層級(jí)。有了智能推薦能更好地拿融資、講故事，為公司提供更多的“彈藥”。同時(shí)，由于整個(gè)國(guó)內(nèi)經(jīng)濟(jì)由增量市場(chǎng)發(fā)展成了存量市場(chǎng)，互聯(lián)網(wǎng)公司的人口紅利已經(jīng)消失，迫使更多的公司更注重精細(xì)化運(yùn)營(yíng)，更注重服務(wù)好現(xiàn)有用戶，提高現(xiàn)有用戶的留存、黏性及開(kāi)發(fā)出單個(gè)用戶更多的商業(yè)價(jià)值，在時(shí)間紅利的戰(zhàn)場(chǎng)上有一席之地，那么上線智能推薦則是個(gè)不錯(cuò)的選擇。既可以帶來(lái)不錯(cuò)的存量數(shù)據(jù)指標(biāo)，又可以在應(yīng)用、優(yōu)化智能推薦的過(guò)程中，培養(yǎng)團(tuán)隊(duì)逐步養(yǎng)成精細(xì)化運(yùn)營(yíng)的數(shù)據(jù)導(dǎo)向思維。

二、影響推薦系統(tǒng)效果的因素

在確定了自身平臺(tái)滿足使用智能推薦的條件之后，先不著急上線這套推薦系統(tǒng)，在應(yīng)用之前應(yīng)該做好充足的思想和心理準(zhǔn)備，建立合理的預(yù)期，才能在系統(tǒng)使用過(guò)程中不斷優(yōu)化并形成內(nèi)化于團(tuán)隊(duì)自身的方法論。本章我們將會(huì)著重分享一下應(yīng)用智能推薦應(yīng)該具備的思維模式，做好思想上的準(zhǔn)備和組織架構(gòu)方面的配合，才能更好地指導(dǎo)現(xiàn)實(shí)中的實(shí)踐。

智能推薦對(duì)于互聯(lián)網(wǎng)平臺(tái)來(lái)說(shuō)，并不是萬(wàn)能的，其只是數(shù)據(jù)化運(yùn)營(yíng)環(huán)節(jié)中的重要組成部分。而其他部分都間接影響了平臺(tái)整體數(shù)據(jù)指標(biāo)，直接影響了推薦系統(tǒng)的使用效果，只有重視這些影響推薦系統(tǒng)的關(guān)鍵因素，才能在應(yīng)用推薦系統(tǒng)時(shí)找到優(yōu)化方向，不會(huì)淪落到萬(wàn)事需要推薦系統(tǒng)來(lái)背鍋的境地。

UI和UE、推廣人群、數(shù)據(jù)、運(yùn)營(yíng)經(jīng)驗(yàn)、算法，這五個(gè)關(guān)鍵因素在筆者看來(lái)是按重要性由小到大依次排列的。

1.達(dá)到行業(yè)標(biāo)準(zhǔn)的UI和UE

用戶愿意長(zhǎng)期使用的一款A(yù)pp，必定是具備了作為一款合格App的基礎(chǔ)，在這個(gè)“顏值即正義”的時(shí)代，即軟件滿足用戶所需的正常的人機(jī)交互體驗(yàn)。先不要提你的內(nèi)容有多好，你的算法有多棒，如果用戶在你的平臺(tái)操作不暢，使用不便，再加上你的界面落伍又丑陋，那么正常用戶使用后不刪除就已經(jīng)不錯(cuò)了，就不要想著高黏性、高活躍度了，所以達(dá)到行業(yè)標(biāo)準(zhǔn)的UI和UE是基礎(chǔ)。

2.特定的推廣人群

這幾年移動(dòng)互聯(lián)網(wǎng)市場(chǎng)已經(jīng)高度成熟，一款想“收割”所有人，滿足所有用戶群體需求的App已經(jīng)不復(fù)存在，所以你的App的內(nèi)容及功能一定是重度垂直某個(gè)領(lǐng)域、服務(wù)某個(gè)群體的。

如果你的App是一款女性高端時(shí)尚交流App，不在高端女性聚集的渠道做推廣，而是廣撒網(wǎng)不分人群、不分渠道，那么可以預(yù)想到的是，絕大部分人不會(huì)下載，即使下載了也會(huì)即刻刪除。

還有筆者服務(wù)過(guò)的客戶里面，有客戶拿著較為嚴(yán)肅的深度內(nèi)容到服務(wù)趣頭條這類網(wǎng)賺平臺(tái)的推廣渠道花大力氣做推廣，最終日留存率只有不到9%。那么，這時(shí)候的首要任務(wù)就不是提留存率而是降流失率了！盡快確定目標(biāo)群體及生產(chǎn)、獲取這個(gè)群體所匹配的高質(zhì)量?jī)?nèi)容，有了穩(wěn)定的使用人群之后再談智能推薦應(yīng)用問(wèn)題。

3.數(shù)據(jù)

數(shù)據(jù)貫穿在推薦系統(tǒng)應(yīng)用中，數(shù)據(jù)就是推薦系統(tǒng)的食材。若數(shù)據(jù)較少，那么巧婦也難為無(wú)米之炊。對(duì)于數(shù)據(jù)較少的情況，可以先觀察應(yīng)用內(nèi)用戶的生命周期，制訂數(shù)據(jù)收集計(jì)劃，達(dá)到合適的數(shù)據(jù)量再上線推薦系統(tǒng)。從理論上講，數(shù)據(jù)量越大、數(shù)據(jù)維度越豐富，模型優(yōu)化的效果越好。而實(shí)際場(chǎng)景中并不是這樣，還需結(jié)合業(yè)務(wù)場(chǎng)景，具體問(wèn)題具體分析。

4.運(yùn)營(yíng)經(jīng)驗(yàn)

運(yùn)營(yíng)經(jīng)驗(yàn)即運(yùn)營(yíng)過(guò)程中總結(jié)的常識(shí)和通識(shí)，每個(gè)行業(yè)每個(gè)業(yè)務(wù)場(chǎng)景都可運(yùn)用他人總結(jié)的經(jīng)驗(yàn)作為指導(dǎo)，以實(shí)現(xiàn)業(yè)務(wù)目標(biāo)。如新聞場(chǎng)景中，過(guò)了時(shí)效性的新聞就不適合再被推薦了；在電商場(chǎng)景中有利潤(rùn)款、引流款、應(yīng)季款、過(guò)季款，諸如此類。在每個(gè)場(chǎng)景都可以總結(jié)出一些普遍的規(guī)律，而這些規(guī)律在推薦系統(tǒng)的應(yīng)用過(guò)程中是必不可少的，不僅可以讓推薦系統(tǒng)提升更多的指標(biāo)，而且沒(méi)有這些規(guī)律的干預(yù)，推薦系統(tǒng)根本無(wú)法正常運(yùn)行。

5.算法

算法，也是推薦系統(tǒng)的核心。不存在適用所有場(chǎng)景的推薦算法，只有根據(jù)不同業(yè)務(wù)場(chǎng)景搭配、優(yōu)化的算法組合。當(dāng)然，如果你的平臺(tái)尚處于嬰兒期，那么算法確實(shí)很難讓平臺(tái)有質(zhì)的提升。而平臺(tái)進(jìn)入成熟期之后，算法的優(yōu)劣將會(huì)帶來(lái)指數(shù)級(jí)的變化。

上述五個(gè)關(guān)鍵因素都會(huì)直接地影響推薦效果，在平臺(tái)的各個(gè)階段每個(gè)因素的重要性會(huì)有所不同。因此，在資源沒(méi)那么多、人手沒(méi)那么足的情況下，要優(yōu)先解決主要矛盾，抓大放小。

三、必須具備的思維

當(dāng)我們知道了影響推薦系統(tǒng)效果的因素后，我們?cè)撚煤畏N思維來(lái)面對(duì)系統(tǒng)效果的評(píng)估和優(yōu)化呢？

1.不確定性思維

首先我們要具備的是不確定性思維。

推薦系統(tǒng)與大部分AI系統(tǒng)一樣，提供的都是概率性算法，都是提供更高概率的用戶滿意的推薦結(jié)果，這與傳統(tǒng)的軟件有本質(zhì)區(qū)別。大多數(shù)傳統(tǒng)軟件的目標(biāo)是給用戶提供一套穩(wěn)定的、符合具體功能預(yù)期的工具。

例如CRM系統(tǒng)，用戶在選擇時(shí)的要求很簡(jiǎn)單，就是看功能是否滿足需求，看軟件是否易用、是否穩(wěn)定，至于使用CRM系統(tǒng)后的銷售額能提升多少，跟這套系統(tǒng)基本沒(méi)有什么關(guān)系。

例如RPA系統(tǒng)，機(jī)器人就是根據(jù)固定的規(guī)則完成指定性的工作，工作的結(jié)果只有成功與未成功兩種，反饋給用戶或使用者的都是確定性的結(jié)果。

推薦系統(tǒng)不僅是內(nèi)容分發(fā)的通道，更是提高分發(fā)效率的工具，從指標(biāo)提升的結(jié)果上看，分發(fā)效率提升多少是不確定的。因?yàn)槠淝饲娴奶匦裕瑴y(cè)試、運(yùn)營(yíng)人員很難檢測(cè)所有用戶的推薦結(jié)果，也不能復(fù)現(xiàn)每個(gè)用戶的操作過(guò)程，更不能保證單個(gè)用戶對(duì)推薦結(jié)果是否滿意，所以推薦結(jié)果的滿意度也是不確定的。

在推薦結(jié)果與效果不確定的前提下，就需要一個(gè)確定的目標(biāo)來(lái)衡量推薦效果、引導(dǎo)推薦結(jié)果，因此需要我們具備目標(biāo)性思維。

2.目標(biāo)性思維

所謂目標(biāo)性思維即我們做的所有工作都是圍繞目標(biāo)進(jìn)行的，其背后隱含的邏輯是所有的工作成果都是可以被量化的。既然推薦結(jié)果存在不確定性，那么用“推薦結(jié)果很準(zhǔn)”“推薦結(jié)果質(zhì)量很高”這樣比較玄學(xué)、比較虛無(wú)的概念是無(wú)法判斷推薦系統(tǒng)的工作狀態(tài)的。

因此，我們可以在每個(gè)業(yè)務(wù)場(chǎng)景上設(shè)置一個(gè)較為合理的目標(biāo)，把UI、UE、數(shù)據(jù)、算法、推薦策略等關(guān)鍵因素與業(yè)務(wù)場(chǎng)景的數(shù)據(jù)指標(biāo)看作一個(gè)函數(shù)關(guān)系，這些關(guān)鍵因素是這個(gè)函數(shù)關(guān)系的自變量，而我們不斷地調(diào)整、優(yōu)化這些自變量使函數(shù)的輸出值即業(yè)務(wù)場(chǎng)景數(shù)據(jù)指標(biāo)達(dá)到我們確定的合理的目標(biāo)。

當(dāng)我們具備目標(biāo)性思維時(shí)，所有跟推薦系統(tǒng)相關(guān)的動(dòng)作均現(xiàn)出了原形，無(wú)論多么主觀地強(qiáng)調(diào)現(xiàn)有推薦工作是多么完善、多么強(qiáng)大，我們只看最終的結(jié)果是否達(dá)到了目標(biāo)，所以目標(biāo)性思維即比較樸素的“不管黑貓白貓，能捉老鼠的就是好貓”的結(jié)果導(dǎo)向性思維。

筆者在服務(wù)很多客戶的過(guò)程中，當(dāng)客戶提出“為什么會(huì)推薦這種內(nèi)容給我”“你們推薦的結(jié)果是否準(zhǔn)確”“你們的推薦系統(tǒng)能提升多少數(shù)據(jù)”這類問(wèn)題時(shí)，筆者只能告訴客戶的是，我們也無(wú)法確定為什么你會(huì)看到這種內(nèi)容，無(wú)法確定所有用戶會(huì)看到什么內(nèi)容，更無(wú)法確定應(yīng)用到你的業(yè)務(wù)場(chǎng)景會(huì)提升多少指標(biāo)，我們建議制定一個(gè)合理的指標(biāo)點(diǎn)，在有限的推薦系統(tǒng)試用周期內(nèi)，通過(guò)算法策略調(diào)整、運(yùn)營(yíng)經(jīng)驗(yàn)干預(yù)等優(yōu)化方式與運(yùn)營(yíng)人員通力合作，一起努力讓數(shù)據(jù)指標(biāo)有上升性趨勢(shì)的增長(zhǎng)，用目標(biāo)的確定來(lái)應(yīng)對(duì)推薦結(jié)果的不確定。

當(dāng)然，推薦結(jié)果有時(shí)會(huì)出現(xiàn)明顯的不合乎情理、不符合常識(shí)的情況，艾克斯智能公司通過(guò)追蹤用戶的所有用戶行為、推薦結(jié)果及推薦原因的方式，將推薦結(jié)果“白盒化”并展示在獨(dú)立的管理后臺(tái)，雖然無(wú)法做到統(tǒng)計(jì)學(xué)意義上的推薦結(jié)果的可解釋性，但至少可以追蹤單個(gè)用戶。因此，我們可以通過(guò)隨機(jī)抽樣的方式，通過(guò)對(duì)用戶行為結(jié)果及原因的追蹤，分析樣本結(jié)果的合理性，從而盡可能地從概率上提高整體用戶的推薦效果。同時(shí)，結(jié)合管理后臺(tái)的相應(yīng)數(shù)據(jù)指標(biāo)，如黏性、CTR等，用明確的數(shù)據(jù)指標(biāo)驅(qū)動(dòng)推薦業(yè)務(wù)工作。