用相亲的方法来思考新用户内容推荐策略

从字面上看，新用户是全新用户，就产品而言，就像一张白纸。围绕新用户所做的一切，称为冷启动。在实际工作中，我深深地感觉到，新用户的冷启动与男女相亲是一样的。他们尽最大努力给对方（用户）留下好印象。今天，他们将与我们的用户进行相亲，目标是留住他（她）。相亲三步：了解对方（用户）-了解自己和敌人如何满足对方（用户）的需求-如何满足对方（用户）的需求-使用正确的方法1。了解对方（用户）-了解自己和敌人。当我们知道我们想与人相亲时，我们需要在早期阶段用一切方法询问对方的信息。我们可能一无所获，也可能有所收获，如外表、教育背景、工作、家庭状况等。新用户的运营也是如此。在早期阶段，我们需要使用一切手段来了解用户。实践证明，认识他们并不容易。1.完全不知道，无法获得用户认知0的用户信息产品，系统推荐没有信息可供参考，此时需要做好充分准备，仔细测试，避免触及雷区。或者用一般的方法论把大家可能喜欢的东西放进去。2.粗粒度理解，获取部分用户信息(1)使用GPS和IP获取用户定位信息，了解用户地理位置；获取用户手机安装APPlist信息，猜测兴趣倾向。优点：可信度高，可用性高。缺点:需要人工梳理整合，操作成本高，如定义APPlist人群和兴趣映射标准。(2)利用产品卡主动收集1)设置兴趣开屏(年龄 性别 兴趣类别)卡，收集用户主动选择的信息。优点:用户主动选择，可用性高，缺点:用户主动选择比例低，覆盖面低；用户选择的可信度需要评估；(3)利用渠道来源猜测获取用户来源渠道:根据不同预装型号用户的粗粒度肖像，对新用户进行人工建模。如小米用户偏下沉，中老年，oppo用户偏年轻女性，华为用户偏中高端。用户增长：根据不同的材料，人工定义拉新用户模糊肖像。如果投放“广场舞”材料，新用户可能更喜欢中老年女性；投放“相声”材料，新用户可能更喜欢中老年男性。优点：用户群体认知清晰，实用性强。缺点：一旦用户认知偏差，可能会产生不可逆转的后果。3.当用户进入产品并有相应的行为反馈时，系统机器可以快速捕获和使用这些信息，如点击行为、订阅行为、搜索行为、评论行为、转发行为、收集行为等。优点：用户行为的真实反馈，直接反映用户心理，可用性高。缺点：双刃剑，如果应用不当，可能会适得其反。第二，如何满足对方(用户)的需求——投其所好。当我们了解对方(用户)时，我们应该考虑如何投其所好，给她什么礼物可以让她开心。所以对于新用户来说，需要根据产品本身定位调性，提供能让用户感到快乐的东西，统称为内容。1.不同的产品形式，内容的供应和展示形式也会不同(1)信息流信息产品的单图和三图 大图、单图视频(短视频) 小视频)是主流内容形式，也是用户消费的主流内容。对于不同的用户，对两种内容形式的偏好可能会有所不同，比如下沉用户对短视频消费的需求更高。代表性产品：今日头条、腾讯新闻、一点信息等。（2）社区产品的短内容是主流内容形式，包括图形和视频，辅以评论补充，以满足用户对内容的消费需求。代表性产品：最右、皮皮虾、小红书等。2.在不同的产品形式下，内容整合(1)利用主题、主题等产品形式整合包装高质量的内容，最大限度地发挥用户一次点击的价值。代表性产品:最右、即时等。(2)利用不同维度的列表聚合高质量内容，提高高质量内容的曝光率和新用户的保留率。代表性产品:比利比利等。3.如何满足对方(用户)的需求——当我们收集到符合他(用户)兴趣需求的礼物(内容)时，我们需要如何将其发送给对方(用户)，这是一个值得深入研究的问题。在日常工作实践中，“内容池”被广泛使用。它是连接用户和内容的无形介质。它就像一座桥，让合适的内容遇到合适的用户。对于不同场景的新用户冷启动，内容池的实际策略应用是不同的。1.对于完全不知道的新用户思考点:系统机器没有任何信息可用，所以重点应该放在内容本身。每个人都喜欢看什么样的内容？从广义上讲，它通常被称为头部内容和普遍内容，如社会热点、娱乐八卦、搞笑幽默、休闲娱乐、历史文化、情感正能量等。在细粒度方面，它可能更受欢迎和高质量的产品，如区分标题、封面图、内容调性、丰富性、完整性、可读性等维度，放弃标题派对和低质量的内容，拥抱好的标题、丰富的内容和高质量的可读性内容。再深入思考，内容消费也是满足人性底层需求的过程。只有通过现象看本质，把握人性底层需求，才能真正满足需求。让我们举两个例子：因此，我们可以重复推断，大致可以将人性的底层需求分为七种：盈利心理懒惰虚荣共情需要社会货币安全，我们可以根据人性的底层需求，结合内容本身的质量标准，挖掘高质量的内容，满足用户内容的消费需求。(这篇文章不详细，后续想单独写这篇文章，欢迎大家一起交流)实际应用案例1:我们在冷启动项目中尝试过，只是从一般的精品内容入手，挖掘用户不厌其烦的内容。用内容池聚合，用算法机按照一定的策略规则向用户推荐。我们采用保底池的方式，新用户前10刷生效，一刷2-3个内容，图片和视频按2:推荐1的比例（因为feed流程图形和视频有固定的坑位比）。从数据效果的角度来看，人均点击等过程指标较好，用户会点击这部分内容，但第二天保留等结果指标较差。可能有几个原因：1）实验策略设计：不排除其他干扰因素，在纯环境下进行实验测试，feed流中推荐约10个内容，实验覆盖只有2-3个，其余6-7个被广告和其他渠道召回。结果是用户点击实验内容池推荐内容，但其他渠道召回推荐内容质量低，引起用户反感，整体用户体验差。2)内容选材:孤立看待数据和内容质量，对内容消费的深入需求研究不足。内容挖掘的整体思路和上面一模一样。从人工经验的角度挖掘高质量的内容。从实际操作过程来看，每个人在寻找内容时都很容易陷入思维局限的怪圈。我们找到内容的想法是正确的，但在实践过程中，我们只是依靠编辑经验，过于关注数据，过于关注文章的质量，孤立地看待两者，没有更深层次的思考什么内容可以更好地满足底层人性的需求。点击率和其他数据的好内容是机器分发的后验数据，但它只抓住了人性的一些弱点，如性别心理（推荐粗俗、色情内容）。我们需要跳出机器推荐的局限性，更全面地看待人性的需求。例如，人性的同理心需求是体验他人生活中的感受，因此有很多内容可以满足这些需求，如鼓舞人心的角色、反击内容、正能量内容等。在内容爆炸的互联网时代，如何把握人性的需求，为其提供高质量的内容，是决胜之王。在内容爆炸的互联网时代，如何抓住人性的需求，为其提供高质量的内容是赢家。实际应用案例2：兴趣测试兴趣测试，顾名思义，是为用户推荐不同类别的测试内容，这是一种更常见的冷启动内容推荐策略。兴趣测试实验，我们使用保底池 兴趣测试池可分为出生、激活、正常和死亡四种状态。出生：激活内容池的初始状态：当推荐不同用户和类别的内容时，内容池进入激活状态并不断输出内容。正常：当用户对测试内容有行为反馈（点击、评论、共享等）时，内容池开始进入正常状态，进一步扩大测试类别。死亡：随着测试的深入和机器推荐的及时反馈，用户反馈越来越积极，进入积极循环，内容池开始进入死亡状态，逐渐进入机器个性化推荐序列。这里需要注意的是，从激活到正常阶段，我们采用激进策略，当用户点击测试类别内容时，算法机及时点击反馈，反馈内容权重高，导致用户兴趣逐渐单一，不能刷其他类别测试内容，也导致实验结果达不到预期。当时我们研究了今日头条的试探机制，总结如下:试探机制可以拆分理解:现有试探类A、B、C、D等头部类别，1、2、3、4等垂类。头部类和垂直类的内容覆盖粒度由粗到细，以确保内容的丰富性。用户第一刷:头部内容占50%、垂直类内容占50%(具体比例可根据实际效果灵活调整)，各类头部内容先出。随着刷新的深入，将有两种用户行为：1）如果用户有行为反馈，请及时进行点击反馈，并继续测试未推荐的类别内容和推荐但用户未点击的类别内容。测试未推荐的类别内容，确保每次刷占30%-40%左右(具体比例可根据实际效果灵活调整)，推荐内容的粒度可逐渐由粗到细，测试用户的兴趣极限。建议不要点击类别内容，如果用户连续刷2-3次没有行为反馈，则需要减轻推荐权重，甚至停止推荐。2)如果用户没有行为反馈，用户刷2-3刷可能会离开(根据对新用户的研究，用户平均只会给2-3刷的机会)，所以在前2-3刷测试类别比例，选择每个类别的内容是非常重要的。2.手动处理获得的用户信息，并将其转换为可用的信息，如获得的APPlist、用户成长材料转化为人群信息，然后研究人群内容偏好，可以通过市场研究报告、平台现有用户肖像信息，然后聚合目标内容、战略实验、效果回归，一般实验过程如下：实际应用案例：用户使用相声材料更新，根据上述一般实验过程可以拆卸：信息处理和转换：喜欢看相声素描人群更喜欢中老年男性内容偏好研究：1）研究方法-使用平台现有肖像 梳理总结市场上的人群研究报告。肖像侧可以从规模、关键词、内容来源、实体等维度进入研究报告，可以从具体信息点总结2）研究结果：中老年男性内容偏好、军事历史、健康、花草、农村生活、社会积极能量、社会热点、情感婚姻等。目标内容聚合：1）内容池通过各类高质量内容源和频道召回。2）内容池分为人群内容池A-聚合喜欢相声的人可能喜欢看的内容；相声强相关内容池B-聚合高质量相声视频内容。目标内容聚合：1）内容池通过各类高质量内容源和频道召回内容2）内容池分为人群内容池A-聚合喜欢相声的人可能喜欢看到的内容；相声强相关内容池B-聚合高质量相声视频内容。建设两个内容池的需求：1）相声强相关内容池用于满足用户对相声视频内容消费的需求。通过相声材料吸引新用户对相声有很强的需求。2)在满足用户对相声的强烈需求后，使用人群内容池进一步满足其他内容的需求。3)实际策略中有两个内容池，A B组合推荐，协同满足用户内容消费需求。在线战略实验：为A B两个内容池设置推荐位置，有效刷数等，如相声强相关内容池B推荐位置为2、4、6、8.人群内容池A的推荐位置为5、7、9、10。数据效果回归:1)整体数据性能:重点关注实际覆盖用户数量、人均点击、人均停留、渗透率、次日、2日、3日等策略。2)内容池性能数据:重点关注内容池的实际曝光、点击、停留时间等。通过整个过程，根据数据效果灵活调整内容池内容，调整在线推荐策略，提高新用户的保留率。最后，借用我们领导说的话，结束这篇文章，新用户是一个粉丝，很难理解它，只是不断探索和总结，在实践中寻求方法论的真理。我们和人相亲也是如此。要真正理解一个人也很困难。我们必须相处很长时间，不断探索和总结，才能收获真诚。愿每个人都能找到真爱！愿所有产品的新用户都能保持稳定！

以上就是关于用相亲的方法来思考新用户内容推荐策略的相关介绍，更多用相亲的方法来思考新用户内容推荐策略相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对用相亲的方法来思考新用户内容推荐策略有更深的了解和认识。