个性化推荐:是让用户更加狭隘,还是扩宽用户视野

1 评论 23489 浏览 44 收藏 6 分钟

一个成熟的个性化推荐系统,不会让用户变得狭隘,反而会扩宽用户视野。

当你看着网易云音乐的推荐歌单,一样的歌手、一样的类型,是不是有点厌倦?

当你看着今日头条的Feeds流,一样的八卦、一样的娱乐新闻,是不是想卸载app?

你是不是觉得,个性化推荐让你愈发狭隘?

为什么要做个性化推荐系统

讨论个性化推荐是否会让用户变得狭隘,我们不妨先从“为什么要做个性化推荐系统”这个角度进行思考。

从背景出发:人们正逐渐从信息匮乏的时代走入信息过载的时代。这一背景带来了两个问题:信息过载、用户目的性不强,典型场景是:你打开网易云音乐,很多歌曲,你不知道想听什么。

在个性化推荐未出现之前,解决这两个问题采取的方法一是类目管理,二是搜索,三是热门物品展示。

一不适用于物品多的情况,二需要用户准确描述需求,三的弊端是会加剧长尾效应,且命中率低。而个性化推荐系统根据用户历史行为挖掘用户需求,与搜索引擎互补。

因此,做个性化推荐的目的是:在物品数量多的情况下,联系用户与产品,挖掘用户潜在需求,解决长尾问题。

如何考评个性化推荐效果

进而,我们可以从“如何考评个性化推荐效果”这个角度进行思考

以下是综合市面上相关个性化产品,总结而出的相关指标:

  • 用户满意度
  • 准确度
  • 覆盖率(长尾 马太效应 用基尼系数)
  • 多样性 、新颖性(是否听说过这个推荐结果)
  • 惊喜度(和历史兴趣不同 却满意)
  • 信任度(给出推荐理由 给出推荐源于那个好友)
  • 实时性(推荐相关产品实时 将新加入的产品推荐)
  • 健壮性(即鲁棒性 抗作弊能力 可以通过加大用户行为成本来实现)
  • 其他商业目标

不展开细讲,我们着重讨论用户满意度、多样性、惊喜度和准确度

  • 用户满意度:这个不用细说
  • 准确度推荐系统最为重要的指标(没有之一),但是准确的预测不一定是好的预测。举个例子:用户早就准备买A书,无论是否系统向他推荐,均会购买。那么对于用户来说,他会觉得这个结果不新颖,没有新鲜感。
  • 多样性:用户兴趣广泛,可能喜欢看记录片,也喜欢看新闻联播;多样性描述了推荐列表中物品两两之间的不相似性。
  • 新颖性:用户之前没有听说过的产品具有新颖性。

接下来,回想一下,在网易云音乐界面,系统推荐的音乐分为几类

  1. “你爱吃肉,那我给你各种肉”
  2. “你爱吃肉,我发现你是缺乏肉类富含的脂肪,那我给你推荐富含脂肪的牛油果”。

回到我们的问题,是不是就是因为第一种情况,让你觉得“个性化推荐会让用户变得狭隘”?

其实就是推荐系统在满足准确性的基础上,没有满足多样性与新颖性,进而降低了用户满意度。简而言之,对于潜在需求挖掘不够深。

所以在这里,第一个结论是:不够全面的个性化推荐会让用户变得狭隘

那么,个性化推荐怎么才能让用户信息接触面扩宽,而不是狭隘呢?

我们以常用的协同过滤为例(具体请百度),从相似度矩阵(Similarity Matrix)说起

“你爱吃肉,那我给你各种肉”

这种情况下,我们用筷子往下翻,可能会看到蔬菜。但是用户的视野就那么大,再好的推荐不能忍用户看见也是扯淡。所以我们可以引入惩戒机制,适当降低同类物品权重,降低其排位。

以上是常见的几个狭隘化现象,分别用相关方法加以算法微调,得以解决。

因此,结论是:一个成熟的个性化推荐系统,不会让用户变得狭隘,反而会扩宽用户视野。

 

本文由 @易建联 原创发布于人人都是产品经理。未经许可,禁止转载。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 写的很好呀

    来自上海 回复