神策 FM | 精准推荐的 4 种常用方式解读
在解读个性化推荐的常用方法之前，我们先看一个优惠券推送的场景，你可以通过用户分群来做，不过这样你可能会陷入无穷尽的规则添加中，直到失控。不过这种方式类似老中医诊脉，依赖前人经验，有点不太靠谱。
如图所示，左边所谓的基于人口统计学推荐，右边是基于内容标签的推荐。
一、基于内容标签的推荐
1、分类与来源
基于标签的推荐，要了解优质内容的标签，以及内容标签的分类，你需要花费大量的精力来整理标签的体系。同时你也需要了解标签的来源，包括运营产生标签、用户产生标签、机器自动产生标签。这三种标签方法优缺点都很明显。
运营产生标签的优点：质量较好、符合产品调性；缺点：存在运营人员自己的偏见、人力成本高、效率低。
用户产生标签的优点：数量大、节省成本、能产生意想不到的内容；缺点：需要产品形态支持、质量较差、需要进行审核。
机器自动产生标签的优点：可自动运行；缺点：技术难度大、效果不可控。
如果将三种标签方式结合后产生标签的方法有时会更有价值。我们看下面这张图，生成的第一个内容标签是“偷拍成功”，第二个是“学霸养成中”，第三个词是“完美侧颜”，这三个标签都是经过运营、用户、机器三者的结合后打的标签，这个标签经过了图像识别，然后由客户选择了运营之前写好的标签，这样能产生更有意思的结果，但是这个确实比较难，需要你们的产品能够支持这种模式。
2、内容标签推荐的优缺点
标签推荐的优点是简单易行，可以理解。缺点包括以下几个方面：
第一，受标签质量影响大。如果标签质量太差，标签粒度很粗，那就没有什么价值。
第二，受标签产生者个人偏差大。标签产生者受自身知识体系所限，所设标签和用户真实应用场景不一致。
第三，采用基于规则方法时规则量化不准确。比如优惠券为什么设为 100 元，而不是 1500 元？这个数据是拍脑袋决定的。
第四，缺乏探索性和扩展性。你只能选择被标签化的内容，比如一部动画片中有很多舞蹈，包括街舞、宅舞等。如果没有“宅舞”这个标签，这类内容你只能将其分到其他标签中，比如“广场舞”标签中，因此内容标签推荐受限于完整的分类体系。
二、基于协同过滤的推荐
协同过滤是非常有效的推荐方法，最早应用协同过滤系统的设计是解决 Xerox 公司在 Palo Alto 的研究中心资讯过载的问题。协同过滤简单来说是利用某兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，考虑的是“共现”，基础是物以类聚、人以群分的思想。
协同过滤在推荐效果上有明显的提升，他的优点在于：
第一，利用其他人的智慧，能学习出难以表述的概念（如个人品味，文章的质量等）。利用了群体智慧来帮助构建推荐系统，比如用户看完 A 视频后，去看了 B 视频，用户这种潜意识的行为会帮你建立 AB 视频的联系。
所以例如品位是一个很难量化且无法标签化的东西，但通过协同过滤这种共现的方法，是可以学习到品味这种概念。
第二，不需要预先建立标签体系，你不需要花人力来做大量标签的标注。
第三，可以根据数据和反馈自动训练。这个模型是在不断变化的，它会使用最新的数据来去训练模型，而不需要你的运营人员反复看“我的标签体系是不是要变了，是不是要重新打标签了”。
第四，更好的规则变化，有更大的探索性扩展性。因为所有的值都是机器学习出来的，而不是去拍脑袋“拍”的，会更加客观，并且具有更大的探索和扩展性，很多你不知道的概念会被机器学习到。
同时，缺点也很明显，一是冷启动的问题，因为协同过滤应用的是人和物的关系，如果物是一个新的人或者是一个新的物品，就很难解决；二是稀疏性问题: 系统历史数据过少，系统无法进行训练，难以进行精确的模式查找匹配推荐；三是不具备可解释性。
三、基于深度学习召回模型的推荐
对比协同过滤，深度学习召回模型更有优势：
第一，更全面的行为表达。在模型中结合点击、收藏、搜索等多种行为，能更全面地表示用户行为偏好，而在协同过滤中是不能这么做的。
第二，可添加画像特征，可加入性别、地域等用户画像相关的特征。如果你有额外的一些标签或发生的信息，这个模型是可以兼容的，它可以把所有信息糅杂在同一模型里面去做，而在协同过滤模型里面是完全无法引入的。
第三，考虑用户的行为顺序。比如用户通常的行为顺序是，先买一个手机，然后再去买一个手机壳；买了一个汽车后可能会买个汽车坐垫。如果推荐顺序是：用户买了个手机壳后被推荐了一款手机，这样的逻辑明显是错误的。
协同过滤是不具备序列关系的学习能力的，它将所有的行为都看成一个完全平等的关系，而深度学习是可以学习顺序，在整体模型的表达的能力和调优方面都非常前沿。
图 3 神策数据某电视推荐场景
这个是神策在一个客户上做推荐的结果。一个用户刚看完《小猪佩奇》第二季第一集，如果基于协同过滤可以推出《小猪佩奇》其他集，但是如果基于深度学习召回模型是可以连续推出《小猪佩奇》第二季第二集、第三集等。
第四，组合复杂特征。神经网络可以进行更复杂的特征组合，挖掘更深层次的关联关系。
四、个性化推荐之排序
在排序方面，这些年有很大的发展。随着数据量增多以及业务模式的复杂性，我们可以选择更复杂的模型来解决问题。当然这需要推荐的点击数据要和展现数据实现比较好的整合，这也是要重视展现数据的主要原因。
这里是我们在做排序数据的时候，Level 列的数字是 01010，意思就是有没有点击，所有点击的展现全都写在一张表里，如此才可以训练排序模型。
综上所述，推荐是一个系统，不是一个简简单单的模型，推荐包含了大量的数据收集和业务理解的工作，同时还需要对应的全套工程架构的支持。最后有几句话想和大家分享下：
第一句是“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已”。如果你的数据根基没有做好，那所有的工作都是徒劳的。
第二句是“世界上最遥远的距离，是我们的算法一样, 但训练数据不同”。每家公司的模型搭建都大同小异，但是模型落地在业务的时候，真正差距在于你的数据是不是对的，是不是干净，是不是及时的，这才是决定整个推荐系统最终效果的重要因素。如果你不能从数据治理开始，空中楼阁般的搭了一套算法框架的话，你会发现你的产品落地还是很远。
总之，推荐的关键是数据，数据是一切算法的根基, 是一切迭代的依据。
注：本文摘自神策数据架构师房东雨的以《推荐的场景与实践》为主题的演讲内容。
号外！更多精彩声音，可关注
神策 FM
『点击图片，解锁更多精彩』
▼▼▼
↙↙↙点击“阅读原文”查看更多精彩内容
戳此，2019 业绩暴增哦