推荐系统三十六式
刑无刀
“贝壳找房”资深算法专家,8 年推荐系统工程师
43607 人已学习
新⼈⾸单¥59
登录后,你可以任选4讲全文学习
课程目录
已完结/共 40 讲
开篇词 (1讲)
原理篇 · 深度学习 (2讲)
原理篇 · 其他应用算法 (3讲)
推荐系统三十六式
15
15
1.0x
00:00/00:00
登录|注册

03 | 这些你必须应该具备的思维模式

探索用户的新兴趣
目标的增长
概率算法
指标的增长
目标函数
训练机器学习模型
量化一切的价值取向
不确定性思维
目标思维
算法
领域知识
数据
UI和UE
建立起目标思维和不确定性思维
推荐系统构成元素的相对重要性
目标思维和不确定性思维
对关键元素重要性的认识
总结
推荐系统需要的思维模式

该思维导图由 AI 生成,仅供参考

在开始讲解一些比较硬的知识之前,我先来给你洗洗脑,传达一些形而上、务虚但是重要的内容;所以,今天我主要带你认识两方面的内容:一个是重新认识推荐系统关键元素的重要性,另一个是要建立起两个思维模式。
这两个方面的内容如果理解不到位,尤其是当你去负责整个推荐产品的时候,那真是害苦了整个团队所有的兄弟姐妹。

对关键元素重要性的认识

要开发一个推荐系统产品,有这么四个关键的元素需要注意:
UI 和 UE;
数据;
领域知识;
算法。
他们的重要性依次递减,权重大致是 4-3-2-1,是不是知道真相的你眼泪掉下来。因为,推荐系统的效果不是你想买就能买,而是要正确认识不同阶段不同因素的重要性。
最先优化的一定是产品的 UI 和 UE ,即人机交互设计和用户体验设计。“颜值即正义”的法则放在推荐系统中也是成立的,不能因为你的产品是具有 AI 属性的个性化推荐就不看脸了,用户对产品的体验,视觉是否符合目标用户审美,交互逻辑是否简单明了,这些会在最大程度上决定用户是否会持续使用。
只有当用户不断回来,才有推荐系统的用武之地。个性化推荐产品首先还是一个产品,按照一款优秀产品的标准来要求它始终是正确的事情,所以请继续善待你们的 UI 和 UE 设计师们。
数据与 UI、UE 是几乎同等重要的元素,它是推荐系统的食材,巧妇难为无米之炊,多少算法工程师因为加入了一家没有历史数据积累的公司,那种“拔剑四顾心茫然”的无力感,谁去谁知道。
数据贯穿了产品始终,对数据的尊重就是对理性和科学的尊重。UI、UE、数据是一个产品的基石,不论其有没有推荐系统存在都是基石。
领域知识,与之对应的是常识和通识。可以这样说,没有哪个产品不涉及领域知识,每一个产品存在于市场上,总是有一部分价值是大多数其他产品无法替代的,这部分就涉及了领域知识。
电商产品有自己的领域知识,比如普通用户更在意的是价格而不是兴趣;音乐产品也有自己的领域知识。
比如一个歌手的死忠粉,你推荐给他该歌手的任意一首歌对他来说都是徒劳——因为他早就听过了。
至于新闻类产品,更是有自己的领域知识:新闻更新很快,可能上个月的内容都得从候选池中拿掉了。
类似这些在一个领域总结出来的普适规律,对于推荐系统的效果提升非常有用:有的是防止闹笑话自毁品牌形象,有的是大幅提高某些指标,有的是缩短模型训练周期。
我们对算法的爱是复杂的,大多数人最不了解的似乎就是算法,以至于本专栏会用最大的篇幅去讲解各种算法原理,但你一定要认识到,算法的左右没有你想象的那么大,但也一定不是可有可无。
一种对算法的常见误会就是:短期高估,长期低估。如果你不是算法工程师,比如产品经理或者运营人员,那么可能你要尤其注意,在一款个性化产品诞生之初,算法所起到的作用可以忽略,我们不能指望它能让产品起死回生、一飞冲天,但就此抛出“算法无用论”也是很愚蠢的。
这四个元素,都不是“天亮以后说分手”的那种,而是需要长期陪伴呵护,不断打磨。这里阐明其重要性的高低,是为了让你在资源有限,精力很少的前提下抓大放小。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

推荐系统关键元素和思维模式的重要性 推荐系统在互联网产品中扮演着重要角色,本文深入探讨了推荐系统的关键元素和思维模式。首先,强调了UI和UE、数据、领域知识和算法等关键元素在产品开发中的权重分配,以及它们对用户体验和产品效果的影响。其次,介绍了目标思维和不确定性思维在推荐系统中的应用。目标思维强调了量化一切的价值取向,通过设定目标函数和不断优化参数来实现推荐系统的指标增长;而不确定性思维则强调了推荐系统的概率性质和对结果的不确定性。这些思维模式的应用使得推荐系统产品开发更加注重数据驱动和目标导向,有助于提升产品的效果和用户体验。总之,本文为读者提供了对推荐系统开发的重要思维模式和关键元素的全面认识,有助于读者快速了解推荐系统的技术特点和重要性。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《推荐系统三十六式》
新⼈⾸单¥59
立即购买
登录 后留言

全部留言(38)

  • 最新
  • 精选
  • yxj🚩
    不确定思维就是根据我们的数据,哪怕对同一用户同一时间的推荐结果,都可能是不同的,我们总是推荐目前推荐系统结果中概率最大的结果,但当其他数据累加时,即使该用户行为不变,我们算法也不变,这个结果也是很有可能会变的。

    作者回复: 明白人。

    2018-03-10
    49
  • Duo An
    一般一个业务会有一个主要优化目标,其他作为参考。比如电商的cvr 订单量 多样性 新颖性等

    作者回复: 盯多个目标容易迷失,我建议是两种:一种是设计一个指标把多个指标统一了。另一种是盯一个最主要的指标,其他的指标设定一个最低值就行了,让主要指标增长,其他指标不要跌落到最低值就可以。

    2018-03-09
    16
  • 叶晓锋
    量化指标和结果不确定性是推荐系统的两个重要特征。只要做好量化才可以计算,才能成为一个可计算问题,一切没有量化的知识、逻辑都无法从算法获益。任何一个模型都是错误的,因为模型和现实永远会有偏差,优化只能减小这种偏差,不能完全消除偏差。

    作者回复: 对头。

    2018-03-09
    15
  • 走小調的凡世林
    世界上去世的推荐系统都死于老板天天说“推得不准”癌。 这可怎么办?分享这节课给领导学习下吗

    作者回复: 必须要啊,难道你就这样忍受吗?或者难道你直接和老板杠吗?显然都不可取,让我去说服他吧。

    2018-07-11
    13
  • Grace
    太赞了

    作者回复: 致敬每一个爱学习的你!

    2018-03-09
    13
  • jack.hou
    不确定性思维,是由于推荐系统的推荐的是概率性事件,不是必然事件,因此结果不是确定的,要用不确定性的思维去理解

    作者回复: 对的,世界上去世的推荐系统都死于老板天天说“推得不准”癌。

    2018-03-09
    12
  • Lasso(孙滢贺)
    视频的 VV 指的是什么?

    作者回复: Video view

    2018-11-07
    5
  • Citi Lai
    很受用,謝謝。請問一般類似qoura問答系統的KPI指標會是什麼?另外,公司內部的知識問答推薦系統的KPI怎麼定義才合理?

    作者回复: 看阶段吧,问题少就着重鼓励大家提问题,答案少就着重鼓励大家写答案,互动少就鼓励大家多点赞收藏。

    2018-03-09
    5
  • Jack_Sainity
    陈老师,请问链家网的推荐团队还招人吗?

    作者回复: 招人,简历扔过来:chenkaijiang001@lianjia.com

    2018-03-12
    2
    3
  • jt120
    有点抽象,如果有例子,说明哪种设计好,哪种领域知识有效,哪些数据重要,就好了

    作者回复: 谢谢建议,后面加强。

    2018-03-09
    2
收起评论
显示
设置
留言
38
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部