1704850031
1704850032
第二，优化信息召回。
1704850033
1704850034
如果说用户画像的完善是一种输入层面的完善，那么召回的优化就是对输出候选集进行更好的调整。
1704850035
1704850036
我们可以用企业的招聘过程来类比，招聘的诉求就是给合适的岗位（输入的意图）找到合适的人（输出的信息），最终面试环节就代表了最后的排序层。在进入最终面试环节前，不同的候选人会有不同的经历：有些人会经历简历筛选、笔试筛选、群面筛选，也有些人会通过内推渠道直接跳过简历筛选和笔试筛选环节，直接进入最终面试。
1704850037
1704850038
如果你想优化一次招聘，是优化候选人集合（召回），还是调整最终面试环节（排序）？
1704850039
1704850040
最终面试环节当然不应随便更改，作为一个排序环节，需要对所有候选人一视同仁，以保证公平性。就算你是老江湖，一样有可能在特定领域里水土不服；如果确实才华过人，初出茅庐的小将也定能过五关斩六将。
1704850041
1704850042
既然不应该随便调整最终面试，那怎样才能让更合适的人进入最终面试环节呢？
1704850043
1704850044
这就需要设置各种筛选维度，从不同角度进行召回：如果你是行业领军企业中的核心人员，那么基于行业口碑的背书，完全不需要笔试环节就可以直接进入面试；如果你是初出茅庐的新手，但是学习背景同岗位高度匹配，那么简历上陈述的信息就会帮助你通过简历筛选进入笔试环节。只有不同的筛选方式共同作用，才能做到查遗补缺，找到更好的候选人集合。
1704850045
1704850046
这就是为什么我更建议大家修改召回模块而非排序模块的原因。修改召回模块扩充候选集合，能够让我们拥有更多可能性；而主观修改排序模块则极有可能让我们损失公平，降低效率。
1704850047
1704850048
第三，完善规则系统，优化用户使用体验。
1704850049
1704850050
由于规则是在排序环节之后生效的，对系统的影响最大，因此它是产品经理最强意志的体现。这主要体现在以下两方面：
1704850051
1704850052
一方面，规则是最快的上线生效途径，可以用于纠偏、提权等操作。举个例子，在《中国有嘻哈》开播之前，大众是不知道红花会是什么的。彼时你搜索红花会，搜索引擎会告知你它是金庸先生《书剑恩仇录》里的一个江湖组织。而当《中国有嘻哈》开播后，所有人突然开始搜索红花会了，系统的滞后让它无法快速理解用户的真实意图。这时，产品经理就该进行规则干预了，标注红花会是一个嘻哈团体。
1704850053
1704850054
另一方面，我们需要认识到的是：短期的干预是应该逐步被长期的机制所替换的。规则就像打补丁，短期打补丁能够遮住窟窿，但长期补丁叠补丁这衣服就没法穿了。太多的规则系统会严重增加系统的复杂度，降低可理解性。
1704850055
1704850056
同样以“红花会”为例。在这个问题上，我们应该下力气解决系统的滞后性，让它能够更快速地实现搜索意图理解的进化（比如监控全网产出的新内容，分析其中的共现词汇特点）。如果有一天，有位流量明星主演了《书剑恩仇录》，那么大众对“红花会”的认知，是否又会重回武侠小说了呢？系统里配置的规则“红花会=嘻哈团体”是否又会变得不合时宜呢？
1704850057
1704850058
我个人笃信的是：从长线来看，人力所能覆盖的规则语义和逻辑复杂度是无法胜过机器的。对于初始场景或应急情况，规则系统必不可少，是用于保证服务质量底线的措施。但随着系统的逐步复杂和进化，产品经理也应该学会退位，让机器不断逼近更好的上限。
1704850059
1704850060
1704850061
1704850062
1704850064
内容算法：把内容变成价值的效率系统 推荐的起点：断物识人
1704850065
1704850066
尽管推荐系统中应用了各种高深的算法、架构，但其基础原理是朴素的：更好地了解待推荐的内容，更好地了解要推荐给的人，从而更高效地完成内容与人之间的对接。断物识人，是一切推荐行为的起点。
1704850067
1704850068
断物
1704850069
1704850070
想要把内容推荐给人，首先需要充分理解内容的特点到底是什么。如果连待推荐内容的特点都说不明白，那就妄论推荐效果了。更好的提取和表达待推荐内容的特点，就是断物的意义所在。
1704850071
1704850072
如你所熟知的那样，断物最简单的方式就是“贴标签”。
1704850073
1704850074
介绍人或者物品，就是贴标签的一个典型应用。先提这样一个问题，你怎么向朋友介绍一个他一无所知的人？
1704850075
1704850076
如果你的朋友是程序员，你也许会说：“他是今日头条的高级工程师，负责某系统的开发。”对你的球友，你也许会讲：“他大学时期是校篮球队的，拿过两次全市冠军。”对你的酒友，介绍方式或许又变成了：“我担保他是个好酒友，有量有趣，从不冷场。”
1704850077
1704850078
“高级工程师”“篮球”“有酒量”“人有趣味”都是用来描述同一个人的标签，有职业维度、有兴趣爱好。为了说明不同维度的程度，你还会辅以可量化的信息，如“负责某系统的开发”“拿了市冠军”等；对于不好量化的部分，则会用自身的认知和信誉作为佐证：“我担保……”
1704850079
1704850080
但是，这个人只有上述这些特点吗？当然不是。也许他又帅又高，有八块腹肌；也许他爱好跑步，能够跑下来马拉松全程。那为什么你在介绍的时候，只选择了他的部分标签呢？因为你考虑了受众的特点，选择了对受众来说，最容易引起共鸣、也最具有代表性的标签。给球友介绍他是高级工程师、给酒友介绍他是校篮球队的成员，尽管从输出信息的准确性上来看并无错误，但是在信息的接收效果上就产生了偏差。
[
上一页 ]
[ :1.704850031e+09 ]
[
下一页 ]