短视频推荐机制

互联网短视频产品数量庞杂、质量参差不齐，如何把优质内容推荐给用户？本图作者总结自身四年的从业经验，以短视频模块的推荐机制为例，帮助大家了解推荐机制的要点，内容包括发布时间排序、根据用户喜好推荐、增加内容过滤机制等四个模型。赶快收藏起来！

短视频推荐机制

• 发布时间排序推荐
  • 项目背景
    • 创作人员需要根据的用户反馈，快速调整创作方案，缺少内容沉淀
    • 新产品，没有存量的用户行为数据做参考
    • 产品需要一个月时间完成研发和上线工作。难以完成数据量极大的推荐机制
  • 方式机制
    • 按照内容发布时间新旧排序，新发布的内容用户先看到
    • 按照用户点赞量递减排序，优质资源享有更大曝光量
  • 线上运营情况
    • 产品上线后2-3个月，出现两级分化的情况
      • 原因一：用户基数较小，探究的样本空间就相对较小，所以分化比较严重
      • 原因二：这段时间为内容创作适应阶段，需要长期对标用户，调整创作方案和创作类型
    • 在大半年到1年时间，各类型的负增长明显减少，用户次日留存稳定在15%左右。
• 根据用户喜好推荐
  • 项目背景
    • 为提升用户平均使用时长和进一步提升留存
  • 方式机制
    • 通过用户行为和内容标签关联的数据为依据，根据喜好强度由强及弱进行推荐。
      • 内容数据支撑：108个内容标签
      • 用户行为数据支撑：用户历史的浏览、播放、点赞、分享、收藏数据
    • 喜好强弱评定方案
      • 对用户播放、点赞、评论、转发、收藏行为定义分数，总分10分
      • 每条内容播放后，根据用户行为算出总分，优先为用户推荐高分的同类型内容
  • 线上运营情况
    • 上线后1周，用户平均使用时长上升到了2分钟—3分钟
    • 上线后1个月，次日留存稳定在20%-25%。
• 增加运营配置
  • 项目背景
    • 运营需要：运营活动、时效性内容需要强制推荐
    • 优化方案：完全按照用户喜好推荐，导致同类型问题比较严重
  • 方式机制
    • 增加运营位，保证大部分用户首次启动可以看到，同时不影响用户体验
  • 线上运营情况
    • 运营活动有效触达，用户次日留存得到了很大提升，达到30%以上。
• 增加平台内容过滤机制
  • 项目背景
    • 按照用户喜好推荐，可能会导致同类型问题比较严重，所以为平台过滤内容增加位置
  • 方式机制
    • 通过平台用户对内容打分，过滤出优质内容和劣质内容，将优质内容推送给其他更多用户，劣质内容则淘汰不在推送。
    • 制定随机种子
      • 内容随机推送给100个用户，然后通过100个用户对内容的行为操作统计分数
    • 优劣判断
      • 设定优劣分数判定标准，150分以上为优质。
    • 优质推送规则
      • 100个随机用户完成打分后，将优质内容按照分数高低推送给其他用户，优质内容每天进行重计分和重排序
    • 打分规则
      • 内容得分=完播系数*分数+是否分享*分数+是否关注*分数+是否评论*分数+是否点赞*分数+是否收藏*分数
      • 分数：指的是每个行为占比，这里，设定所有行为总分=10，完播分数=5，其余各项分别=1
      • 完播：指的是内容完整播放，进度条滑动不计算在内
  • 线上运营情况
    • 功能上线后，保持每天10条以上优质内容产生，目前来看，属于稳定的循环
    • 用户平均使用时长达到4分钟到5分钟
    • 用户留存达到35%以上。（留存增长较快，和运营、推广都有较大关系）