Open dbthinking opened 2 years ago
目前很多讨论推荐系统的，主要都是关注存量推荐，比如电影、商品甚至视频等，但我认为增量推荐，才是未来的智能化产品与商业需要优先关注的地方。
第一，在技术难度方面，增量推荐更需要对内容与用户的理解，让用户与特定内容源、话题或观点产生联系。在存量推荐方面，一方面也是上述逻辑；另一方面则是利用用户协同过滤来解决，整体上需要依赖先有一批用户的使用体验后，再尝试推荐给其他人。协同过滤的风险也有不少，首先是已有消费样本数量越大效果才能越好，而积累已消费样本需要机会与时间；其次是初始小样本的误差很大，在逐渐放量的过程中大概率会失效，特定内容的效果会越来越差，而最终能在全体用户群中产生最佳效果的，必然是人类共性的一些东西，而这些东西往往也是比较原始与低级的内容，因为这是所有用户的普遍偏好也是大量用户的主要偏好；最后可能会期待于将大群体划分为小群体，但用户再被分群的时候，又会遇到分群不准确兴趣不聚焦的问题，个体用户是非常多样化多元化的，分群可能还需要与特定话题结合起来，而不是一个群体能代表某个用户的所有兴趣偏好，但这样还不如从兴趣话题出发再走回这里。很多所谓的协同与预测模型，其实是放弃了去理解用户与物品的特性，而寄希望于通过人与人的联系，来解决这个问题，这些模型有一些优点，但肯定不能当做推荐系统的主菜来吃。有些舍本逐末的感觉了。
第二，从内容本身考虑，存量内容可能存在滞后或失效的问题，增量内容由于人为接入，更可能会解决这些问题。存量信息本身可能也是通过增量内容的更新而出现在用户眼前（被推荐或有更新）。如果将增量内容变成了存量内容再推荐也会更低效无趣。存量推荐对于时效性要求低，推荐延迟对用户的体验与感知影响小。增量内容对时效性的要求会非常高，需要更高的响应与推荐优先级。从用户本身去看，他们对增量内容的处理优先级也远高于存量内容（对存量内容的认知相对更多更健全，很难被影响）。
第三，从内容生态考虑，分发增量内容比分发存量内容对生态的效果更好，增量内容对内容发布者的激励效果更好，也会激励作者发布更多优质新内容。内容量的增加也更容易增加对内容发布者的理解，以及用户对内容的偏好从而判断对内容发布者的偏好。
除了以上问题外，推荐的本质还是满足用户的已有中长期兴趣（用户长期预期），探索性内容的比例不应该超过三成，或者说优先级低于用户关注的东西；另外用户被探索内容吸引而产生的短期兴趣如何处理。在已有中长期兴趣中，对新内容的关注应该超过八成，因为存量知识与内容，意味着存在更系统更高效的学习方式，而不再适合碎片化的推荐（推荐内容更适合作为长内容的引子）。
目前很多讨论推荐系统的，主要都是关注存量推荐，比如电影、商品甚至视频等，但我认为增量推荐，才是未来的智能化产品与商业需要优先关注的地方。
第一，在技术难度方面，增量推荐更需要对内容与用户的理解，让用户与特定内容源、话题或观点产生联系。在存量推荐方面，一方面也是上述逻辑；另一方面则是利用用户协同过滤来解决，整体上需要依赖先有一批用户的使用体验后，再尝试推荐给其他人。协同过滤的风险也有不少，首先是已有消费样本数量越大效果才能越好，而积累已消费样本需要机会与时间；其次是初始小样本的误差很大，在逐渐放量的过程中大概率会失效，特定内容的效果会越来越差，而最终能在全体用户群中产生最佳效果的，必然是人类共性的一些东西，而这些东西往往也是比较原始与低级的内容，因为这是所有用户的普遍偏好也是大量用户的主要偏好；最后可能会期待于将大群体划分为小群体，但用户再被分群的时候，又会遇到分群不准确兴趣不聚焦的问题，个体用户是非常多样化多元化的，分群可能还需要与特定话题结合起来，而不是一个群体能代表某个用户的所有兴趣偏好，但这样还不如从兴趣话题出发再走回这里。很多所谓的协同与预测模型，其实是放弃了去理解用户与物品的特性，而寄希望于通过人与人的联系，来解决这个问题，这些模型有一些优点，但肯定不能当做推荐系统的主菜来吃。有些舍本逐末的感觉了。
第二，从内容本身考虑，存量内容可能存在滞后或失效的问题，增量内容由于人为接入，更可能会解决这些问题。存量信息本身可能也是通过增量内容的更新而出现在用户眼前（被推荐或有更新）。如果将增量内容变成了存量内容再推荐也会更低效无趣。存量推荐对于时效性要求低，推荐延迟对用户的体验与感知影响小。增量内容对时效性的要求会非常高，需要更高的响应与推荐优先级。从用户本身去看，他们对增量内容的处理优先级也远高于存量内容（对存量内容的认知相对更多更健全，很难被影响）。
第三，从内容生态考虑，分发增量内容比分发存量内容对生态的效果更好，增量内容对内容发布者的激励效果更好，也会激励作者发布更多优质新内容。内容量的增加也更容易增加对内容发布者的理解，以及用户对内容的偏好从而判断对内容发布者的偏好。
除了以上问题外，推荐的本质还是满足用户的已有中长期兴趣（用户长期预期），探索性内容的比例不应该超过三成，或者说优先级低于用户关注的东西；另外用户被探索内容吸引而产生的短期兴趣如何处理。在已有中长期兴趣中，对新内容的关注应该超过八成，因为存量知识与内容，意味着存在更系统更高效的学习方式，而不再适合碎片化的推荐（推荐内容更适合作为长内容的引子）。