内容池|视频场景下新用户的内容推荐策略( 四 )

整体流程图如下：

文章插图
2. 视频推荐机制1）常用的视频推荐机制
内容推荐主要来自于两个步骤，召回和排序。
对于新用户而言，内容池均为冷启动用户内容池，因此在整体的内容召回中，需要根据不同产品的交互形态，一次性召回多种类型的站内优质内容，以保证用户对于内容选择的多样性。
排序则是在召回的内容后按照一定的机制实施调整已召回内容的排序，由于面对的是新用户，获得内容消费信息较少，因此在排序中变回存在有两种状态下的排序规则。
冷启动内容的内容初始化排序主要集中在品类权重和内容权重两个方面。品类权重则指定的是历史上某个地区范围内，哪些内容品类消费数据较好，对留存的影响较大，那么这个品类的权重就会相对较高。
为了适应用户的广泛性碎片化内容需求，品类需要做到尽可能的全面。品类中的视频需要按照与北极星指标中相依系数最大的指标做排序，由此确定品类内视频的排序。最终将品类内部所有的内容打散，通过算法做多品类内容综合排序，来确定新用户无行为时查看到的第一波视频。
2）长短视频在推荐中的侧重点

文章插图
前文提到，由于各家平台内容成本和用户的不同，因此在推荐中会强调很强的差异性。
以用户视频为主的平台推荐：
由于这类平台内容数量巨大，细分场景下视频覆盖度广，因此这类平台在推荐时聚焦于视频内容本身的推荐。
如抖音油管的交互形式为单页播放，快手传统的双列也主要聚焦于视频内容没有对封面图、推荐语做特殊的内容维护和推荐拓展。
以版权视频为主的平台推荐：
版权视频由于内容成本很高，热门内容实效性强的特点。因此在纯内容推荐中更加侧重于人工维护+自动化内容补充的方式进行推荐，其中人工维护的内容为平台更加侧重的上新+热门内容。
由于版权内容内容池相对于用户内容池远远偏低，且内容广度相比用户视频覆盖度小的多的特点，因此版权视频对于内容壳的推荐会更加注重。如在推荐版权内容时，会根据用户画像的标签、平台属性等特征，呈现给用户的内容会有多种一句话推荐、视频标题、视频封面图等因素。
目前这方面Netflix是全球版权内容做的最先进的，Bilibili是笔者认为国内做得最先进的。

文章插图
3. 产品经理在冷启动推荐的工作一直以来，推荐产品经理都是相对神秘的角色。神秘之处在于丧失实体产品功能输出后，没有接触过这项工作的人会觉得一时之间无从下手。
如果将推荐的内容当作自己实际输出的产品，将更多的内容召回排序的算法交给研发，通过这样进行产品创意提出、需求完善、上线优化，这就是推荐产品在整个工作中所要担任的角色。
根据推荐产品的角色和所处的业务形态大致，新用户内容推荐的产品工作大致可以拆解成3类。
1）指标对齐
主要是根据现有北极星指标，拆解出来当前产品形态中推荐需要保证的最终指标。
在找到每个目标的转化漏斗的前提下，根据全新的业务指标，制定下一阶段推荐将需要达到的每项指标。
连同研发一起评估指标增长的合理性，与研发一起对齐指标，后续产品经理可以通过策略的思维对功能进行设计，已完成制定的指标。
2）优化模型
在新用户冷启动的推荐的时候，通常的做法是由运营在站内挑选一些优质高留存的内容，由产品和运营一起评估这些内容的合理性。当确认内容可行后，会将内容输出给算法同学进行学习，算法会扩大相似内容的召回及排序结果给到产品经理。