1704850449
1704850450
图5–1中展示的两篇内容其实都存在一些偏差：上方的内容作者名为“武陵之荣光”，对关心内容发布来源的用户来说，作者名称的权威度不够，看上去更像一个地区账号；下方的内容从作者名称看有一定可信度，但只选用了单图方式且图的表意同标题并无直接关联，不足以对用户构成有效引导。选用单图模式的另外一个问题在于，内容在信息流里的高度变矮了，不利于获取用户的注意和点击。
1704850451
1704850452
如前面算法部分所提到的，系统采用协同过滤的方式来对内容进行扩散，只有满意度较高的点击才算得上是对内容的有效正向反馈。冷启动阶段就是为了收获尽可能多的正向反馈，所以在预判用户有点击意图之后，还需要进一步考虑阅读体验是否同用户相匹配，即内容消费层的信息。
1704850453
1704850454
例如，对NBA领域的内容而言，有的是从球赛报道的角度，有的是从赛事版权的角度，还有的是从体育娱乐产业、泛娱乐经济的角度。它们在表现层展现的标题、封面的差异或许不太大，但是在内容的主题、作者或行文用字上，必然存在差异。系统通过分析作者过往的表现（如财经类作者的内容更容易倾向财经角度）、统计词频（如提及版权、分销，还是比分、MVP等关键字）等方式来预估这篇内容的分类话题属性以及用户点击后是否会满意。
1704850455
1704850456
就题材而言，图文载体可供系统分析的信息相对丰富。对视频载体或短内容来说，由于文本信息匮乏，系统会更倾向于从标题、描述、作者维度来预估其点击率和内容质量。
1704850457
1704850458
在实践中，我们经常会碰到由于冷启动有误导致内容推荐出现偏差的情况。先来看几个例子：
1704850459
1704850460
• 视频标题：“普京曾经实习的单位，最厉害的国家狗仔队是如何工作的”
1704850461
1704850462
• 短内容标题：“感恩一起战斗的日子，感谢我的战友”
1704850463
1704850464
• 视频标题：“堪比电影中出现的场景：死神来了！”
1704850465
1704850466
第一个视频标题可以拆分为“普京”“单位、实习、工作”“狗仔队”三部分。第二个短内容标题，从文本特征上来看，基本上命中“战斗”“战友”。第三个视频标题，只从标题上来看，基本上命中电影《死神来了》。
1704850467
1704850468
但事实上，第二个短内容的场景是某个艺人在戏剧杀青后的感言。第三个视频内容描述的是车祸中某人很幸运地躲开了多车相撞，内容如图5–2所示。
1704850469
1704850470
1704850471
1704850472
1704850473
图5–2 某交通事故短视频截图
1704850474
1704850475
上述三个内容，除了第一个内容标题命中了“普京”，使得其冷启动不至于偏差太大之外，其余两篇内容都在冷启动阶段折戟沉沙，没能获得进一步的曝光。
1704850476
1704850477
为了优化内容的冷启动，我们还是会从展现层和消费层分别着手：
1704850478
1704850479
在展现层，需要探寻面向不同载体、不同人群的，更适合的表现形式。比如：对小视频应用（抖音、快手）来说，更适合突出创作者主体，以竖屏的方式展示；对于高质量后平台强推的作品，以预览动图作为封面可以增强其吸引力。
1704850480
1704850481
在消费层，一方面，需要尽可能挖掘和完善不同载体的特征、权重。比如：对视频而言，长度信息、画面清晰度都可以成为补充的特征；对短内容而言，在冷启动阶段应尽量放大作者的权重，优先推荐给其粉丝和准粉丝群体，用以证明内容消费的价值。
1704850482
1704850483
另一方面，也需要从作者层面着手，引导作者主动完善内容信息。比如，给视频增加简介和标注，尽量选择自定义封面而非视频截图等，帮助系统获得更多可供冷启动使用的信息。业界也有公司采用专门的运营标注团队，对高质量视频进行系统化的标签完善和建设工作。
1704850484
1704850485
除了内容本身会影响推荐的冷启动效果之外，冷启动还客观地受到时下热点的影响。
1704850486
1704850487
比如，在鹿晗、关晓彤公布恋情时期，该事件构成了内容消费的流量黑洞，吸附了大多数用户的注意力。如果在这个时间点发布内容，很有可能被抢了风头，无法获得很好的冷启动效果。又如，在“双十一”期间，全民都在“剁手买买买”，整体内容消费都处于流量低谷。在这个时间段，即使内容得到了充分的冷启动依然不会有很高的最终展示量。
1704850488
1704850489
尽管系统在持续优化冷启动阶段的准确性，但该过程确实具有一定的偶然性。为了降低系统冷启动失败的概率，平台会提供如双标题、双封面这样脑洞大开的工具，帮助创作者获得更好的传播自己内容的机会。
1704850490
1704850491
用户的冷启动
1704850492
1704850493
在用户冷启动的场景中，推荐服务的一大目标是：用户的留存率。只有在保证用户留存的前提下，才会考量推荐的兴趣探索效果如何，是否在有限的展示里全面探索出了用户的偏好。对于慢热型的用户，我们并不急于获悉他的方方面面，而是以留住用户为第一目的。
1704850494
1704850495
以知乎为例，以问答为主场景的知乎最新上线了“想法”频道，主要展示关注对象的短内容，并会穿插一些推荐性质的短内容。尽管问答主场景和“想法”频道都融合了推荐算法，但是两个场景下的冷启动目标是不一样的。
1704850496
1704850497
用户使用知乎是为了看答案，提问题，答问题。“想法”频道对用户而言是一个增值体验而非基础体验，做得不好，用户大不了不用这个子频道，但不至于从应用流失。所以，它可以更单纯地追求用户兴趣探索的效果。但对问答主场景而言，就需要平衡用户兴趣探索的效果（尽可能地探索出用户的兴趣点）和用户留存的情况（以高热内容留住用户）。
1704850498