应用落地应根据自身业务场景和已有用户，做多重策略的交叉组合

即使你没有接触过推荐系统，你一定听说过“千人千面”。从今日头条到淘宝JD.COM，推荐系统已经成为每个应用程序或网站的标准配置。只要内容或产品SKU足够丰富，肯定会使用推荐系统。简单来说，个性化推荐就是平台会根据用户的个人信息(静态信息)&动态信息)和产品信息，在不同的场景中为不同的用户提供不同的内容或产品推荐。推荐系统的理论基础是用户具有异质性，前提是平台有足够的用户和资源(内容或商品等)。).在推荐相关产品时，人们的重点总是在算法模型的升级迭代和效果的提高上。这样的内容层出不穷，更容易引起*。然而，推荐模块的产品和开发肯定会遇到一个难题，那就是如何冷启动推荐系统。本文将结合实际工作经验，为您提供几种不涉及算法的冷启动方法和策略。冷启动问题的目标用户：新访问用户或新注册用户；行为轨迹非常稀疏，基本没有个人信息的用户；低频应用场景相关行业的用户；冷启动的主要策略主要包括两个方面：充分挖掘用户的个人信息和充分利用现有资源信息。接下来，我们将围绕两个核心方向介绍四种产品策略，共8种。实际上，在应用过程中，用户和资源的各种策略可以交叉进行一对一、一对多的策略组合。我不会忘记这个数学组合的问题。简言之，它远远超过八种。1.充分挖掘用户个人信息策略1：对于未注册用户，我们拥有的用户信息很少，几乎等于没有未注册用户。一方面，平台当然希望第一次访问用户注册，但仍会有一些用户跳过注册步骤，通过游客身份体验产品功能，如果平台本身有弹出窗口要求获得用户授权定位信息，从用户的角度冷启动信息非常有用。当您获得用户定位信息时，大范围是省、城市（如电子商务、旅游平台），小范围可定位为街道建筑（如外卖、出租车平台），冷启动策略是根据现有省、城市或街道建筑用户的行为，获得最近的流行资源作为此类用户的推荐内容。策略2：注册用户的手机号码、位置信息(定位、常住地、收货地址等)、性别对于注册用户，一般我们可以得到用户的手机号码、相关位置信息和其他静态信息（如年龄、职业、教育、婚姻状况、是否有孩子等），这些静态信息比第一个场景更丰富，冷启动策略也需要细分到每个信息点挖掘。例如，除了一种策略方案外，手机号码和位置信息还可以判断用户的常住地和家乡。对于旅游业，国家法定假日是否可以为用户提供往返交通，酒店可以在不同的场景中推荐；例如，年龄可以参考数据库中明显的不同兴趣倾向。对于电子商务、短视频等行业，年轻用户更喜欢食品、服装、时尚、可爱的宠物等，中老年用户更倾向于保持健康、健康提醒、生活技巧、太极广场舞等；如是否有儿童，住宿行业可以提供家庭酒店，旅游行业可以推荐儿童玩具和教育相关内容；策略3：对于通过广告等渠道进入的新用户，用户来源渠道(针对有投放渠道跟踪的场景)，如果平台对交付渠道有相应的跟踪机制，用户进入平台后可以根据交付渠道的具体交付内容进行个性化推荐。一般来说，目前，外部广告也将为不同渠道的不同群体提供不同的材料。推荐模块可以对每个渠道提供的材料进行分类和标记。同一材料可以标记多个相关标签。在明确吸引用户到达平台的触摸点后，建议用户提供相同维度的内容或资源，沉淀转化效果必须良好。策略4：对于新用户，用户可以在第一次访问时主动提供自己感兴趣的内容。该方案需要与其他产品模块联动，用户可以快速了解用户的偏好，从而在冷启动场景中有更准确的召回候选集。比如种草，让用户选择化妆品、电子产品、男装/女装、美食等。；比如新闻，让用户选择实时热点新闻、娱乐新闻、生活八卦、职场宝典等。；比如旅游，让用户选择自己喜欢的目的地类型、亲子欢乐、浪漫情侣、岛上度假、历史寻迹等。；2.充分利用现有资源信息策略1：花式推荐热门资源冷启动时，流行资源的推荐策略被广泛使用。对于新用户来说，整个平台上流行的内容或商品并不是什么大问题。对于新用户来说，整个平台上流行的内容或商品并不是什么大问题。总体思路没有问题，但具体问题要具体分析。虽然整个平台上流行的资源大约等于所有用户最畅销的资源，但不同的平台仍然可以结合获得的用户相关信息优化细分场景。例如，在电子商务平台上，羽绒服和暖宝宝可能在11月份在整个平台上很受欢迎，但这些可以推荐给广州用户吗？例如，在电影平台上，今天最受欢迎的新闻可能是一部国内儿童动画片。中青年男女用户必须围绕这一点推荐吗？例如，在招聘平台上，目前最受欢迎的职位可能是人工智能算法工程师和python开发，但产品经理的有效信息几乎等于零。关键结论：结合平台当前的流行资源和用户的基本属性，尽可能多地曝光不同的类别，避免单一类别的流行资源影响整体效果。策略2：当然，积极曝光优质新产品资源推荐平台的热门资源没有问题，但一些实时新产品虽然没有积累热度，但由于目前转化率很高，如果能及时推荐曝光效果不一定差。一方面，新产品资源的推荐维度可以通过算法直接加权，另一方面，项目可以通过新产品与现有资源的属性进行协调，找出其共性，从而锚定目标群体进行推荐。例如，在最近的电子商务平台上，秋季大闸蟹开始上市。虽然整个平台或局部地区的大闸蟹可能没有足够的热度，但由于大闸蟹属于季节性产品，其重量不应低于所有设置的热门资源，因此新用户进来推荐季节性好商品用户的点击转换会更好。例如，新闻和信息平台每天都有不同的实时热点。当用户没有主动提供*的兴趣领域时，除了目前最热门的新闻外，还可以向用户推荐热增长率较高的新闻和信息。策略3：专注于“专家”标注的资源，这里的专家范围很广，主要是运营学生、产品学生或kol等。专家标注的资源是指基于认同领域专家的意见，人工标注平台拥有的资源。标注的资源主要包括一些热量相对较高、类型相对较广、质量相对较好、近期及时性相对较高的资源。同时，结合平台获得的用户维度信息，推荐更细粒度的组合。这个方案需要一定的人力和时间成本，所以需要多方权衡。策略4：挖掘少数用户行为轨迹中的信息。如果用户本身已经产生了轨迹，但相对稀疏，算法的效果可能相对较差。因此，对于这类用户，我们应该从为数不多的轨迹行为中挖掘用户的兴趣和*，并使用规则快速覆盖。但是，该策略的使用有两个关键点：我们必须在不久的将来深入挖掘轨迹；必须结合资源推荐的其他维度进行推荐；鉴于上述两点，分析的本质主要是用户的需求发生了变化（很有可能）。半年前的一两条轨道和今天他对平台的需求可能发生了变化。基于此，即使是一个月前的轨道，我们也应该考虑其及时性的成本，需要结合当前流行资源或新产品资源进行多元化推荐，否则推荐的内容可能不是马嘴。对于用户点击的资源（内容或商品）具有较高的价值系数，平台可以分析其类别、标签等属性，挖掘相关商品（相同类别、相同属性或相关属性），丰富推荐候选人，达到更好的推荐效果。例如，在旅游平台上，用户可能在半年前浏览过与“家庭住宅”和“家庭旅游”相关的内容或产品，但今天他访问了这个平台。一方面，我们可以确定用户属于亲子用户，可以推荐此类资源。但同时也要考虑用户需求的变化，如浏览或预订是为了帮助亲戚或朋友（孩子属于亲戚或朋友），这是他们自己的需求需要完成（用户本身未婚），所以在推荐维度需要考虑当前流行的旅游目的地或游戏方式，多样化的推荐不会太差。在实际应用落地过程中，应根据平台本身的业务场景和现有用户进行总结&多策略交叉组合资源信息，找到不同场景对应的最佳冷启动方案。

以上就是关于应用落地应根据自身业务场景和已有用户，做多重策略的交叉组合的相关介绍，更多应用落地应根据自身业务场景和已有用户，做多重策略的交叉组合相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对应用落地应根据自身业务场景和已有用户，做多重策略的交叉组合有更深的了解和认识。