行业资讯
云集广告大咖干货,洞悉投放市场风云

回归买量起点:个性化推荐引擎有何魅力?

字节跳动创始人张一鸣前不久因辞任CEO引发舆论热议。张一鸣一生中最为人称道的功绩,无疑是开创了以个性化推荐引擎为底层技术的信息分发赛道。他曾在公司7周年庆典上首次提到,字节跳动是一家务实浪漫的公司。所谓务实浪漫,就是把想象变成现实。体现在产品上,有同理心是务实,有想象力是浪漫。
 
“同理心是地基,想象力是天空,中间是逻辑和工具。”他表示,A/B测试只是工具,测不出用户需求,同理心才是重要的基础。但持有同理心只能做出有用的产品,想要做出彩的产品,想象力必不可少。
 
首款成功演绎个性化推荐算法的资讯类APP今日头条的诞生可谓融合了同理心与想象力两大卓越产品的特质。借用乔布斯原话,很多时候,人们不知道他们想要什么,直到你把产品拿给他们看。用户可能会喜欢你的电影、你的产品、你的文章,但他们可能不知道它的存在,不知道在哪里可以找到它。推荐系统的作用就是将对的产品、对的内容展示给对的用户,而不需要用户自己去搜索。
 
随着国内移动互联网红利的消退,流量费用攀升,互联网产品精细化运营与变现能力事关企业存亡。若配置正确,个性化推荐引擎可显著提高点击率、转化率、复购率等经营数据,还能提升客户满意度等其他无法量化的指标。
个性化推荐引擎有三种常见的推荐机制:
 
1. 人口统计学
2. 内容
3. 协同过滤
 
接下来,我们一起看看个性化推荐引擎分别有哪些种类以及他们各自的优势。
1

1
基于人口统计学的推荐机制
该推荐机制依据用户的基本画像发现不同用户之间的相似程度,然后将相似用户喜欢的物品推荐给当前用户。参考下图:
 
如上图,系统首先对每一位用户构建了简单的用户画像,囊括年龄、性别等基本用户信息,然后系统根据用户的画像来核算用户的相似度。
 
举例而言,如果用户A和用户C的画像一致,那么系统会将他们视为相似用户。用户C喜欢了物品A和物品D,而用户A只喜欢了物品A,所以系统认定用户A也会喜欢物品D,因此将物品D推荐给用户A。
1

2

基于内容的推荐机制

基于内容的推荐是在推荐引擎出现之初使用最为广泛的推荐机制。其核心思想是根据物品或内容的元数据,发现物品或内容之间的相关性,然后根据用户以往的行为数据,推荐相似的物品。
 
该类推荐算法自然直观,可解释性强,能较好解决冷启动问题。只要用户有一次行为,就可以基于该行为做推荐。然而,该类算法新颖性不足,给用户的推荐往往局限于狭小范围。若果用户不主动拓展自己的兴趣空间,该方法很难为用户推荐新颖的内容。参考下图:
从图中可以看出,系统首先针对电影的元数据进行建模,例如标明电影类型。然后系统根据电影元数据的匹配度来识别电影的相似程度。我们可以看到电影A和电影C较为相似,用户C同时喜欢了电影A和电影C,而用户A只喜欢了电影A,那么系统认定用户A也会喜欢和电影A相似的电影C,因此将电影C推荐给了用户A。
1

3
基于协同过滤的推荐机制
 
协同过滤是根据用户对内容的偏好来发现用户相关性,或者内容相关性,然后基于这些相关性进行推荐。协同过滤算法无需识别用户、物品与内容,仅瞄准对象间的相关性。
 
协同过滤还可以被细分为三种类型:基于用户的推荐,基于项目的推荐、基于模型的推荐。
 
(1)基于用户的协同过滤推荐
 
将所有用户对物品的偏好进行分类汇总,发现与当前用户偏好相似的用户群,并给当前用户进行推荐。参考下图:
 
从图中可以看出,系统无需识别用户和物品的属性或元数据——用户C喜欢物品A、物品C、物品D,用户A喜欢物品A、物品C,两个用户的偏好相似。而用户A还没有喜欢用户C喜欢的物品D,所以将物品D推荐给用户A。
 
基于用户的协同过滤推荐机制与基于人口统计学的推荐机制,本质上都是计算用户之间的相似性,只是计算的方法不同。基于人口统计学的推荐机制考虑的是用户本身的属性,而基于用户的协同过滤机制是在用户的历史偏好数据上计算用户之间的相似度。
 
(2)基于项目的协同过滤推荐
 
该机制使用所有用户对物品或内容的偏好,锁定物品与物品之间的相似度,然后根据用户的历史偏好信息,将类似物品推荐给用户,如下图:
 
从图中可以看出,系统不会识别用户和物品的属性或元数据——用户A喜欢了物品A和C,用户B喜欢了物品A、C和D。从以上用户偏好可以看出,凡是喜欢物品A的用户都喜欢了物品C,说明物品A和物品C是类似物品。而用户C喜欢了物品A,可能也会喜欢他没有喜欢的物品C,所以将物品C推荐给用户C。
 
基于项目的协同过滤推荐和基于内容的推荐其实都是基于物品的相似度进行预测推荐,只是相似度的计算方式不一样。前者是基于用户历史偏好展开推断,而后者是基于物品本身的属性特征。
 
(3)基于模型的协同过滤推荐
 
该推荐机制的原理是基于样本的用户喜好信息,训练一个推荐模型,然后根据实时用户喜好进行预测推荐。
 
1

4
结语
随着程序化广告交易技术从萌芽走向成熟,个性化推荐引擎是信息爆炸时代买量投放的先决条件。
 
当你在了解推荐引擎的时候,其实推荐引擎更无时无刻不在了解你的兴趣爱好与潜在欲求。很多时候,也许推荐引擎比你更了解你自己。

本篇文章来源于微信公众号: 买量小飞机