推薦系統PM最主要的工作是哪幾件事？_討論輸出_AI產品經理大本營

前言：以下分享，來自「AI產品經理大本營」中的@潤濤 同學（清華小鮮肉，騰訊短視頻推薦系統PM）和其他團員的討論交流，並由@飛艷 同學協助整理完成。

【一個問題】

推薦系統PM最主要的工作是哪幾件事？

【一個觀點】

一、驅動短視頻推薦系統的5個核心方面

1 內容：包括內容數量、內容特徵標識；

2 用戶：包括用戶量、用戶固有關係鏈、用戶固有屬性；

3 用戶-內容連接通道：比如閱讀、點贊、評論、負反饋等；

4 沉澱期：引入外部畫像、積澱自身畫像；

5 策略與演算法：比如圈子、內容同好、個性關鍵詞、個性主題、個性分類、同地域等等，策略背後對應不同的演算法，比如協同過濾、向量匹配、邏輯回歸模型等等。

1~4是地基，決定用戶畫像的質量；5是上層應用，設計得好了可以增加用戶粘性，反補用戶畫像。兩方面是互相推動的~。

（註：沉澱期主要就是數據累計、分析、演算法模型迭代，同時也會儘可能引入外部畫像，尤其在冷啟動方面）

二、短視頻推薦系統PM的工作

1、在上述5個方面中不斷推進，其中，第5個部分會和演算法工程師溝通比較多。

2、日常工作還包括若干功能形態的設計，比如：視頻插入推薦的形態、視頻負反饋的形態等等，但這部分因場景而異。

【四點細節】

一、內容特徵的選擇需要PM參與嗎？ 需要

1、這部分主要是媒體編輯和PM決定的，反而演算法RD參與少。

2、標識主要就是給視頻打標籤，那麼打哪幾類標籤、標籤粒度多細，都是需要PM決定的。

3、PM設計好標籤，由編輯打，或者是直接引入CMS或者OM內容的標籤，這樣人力成本會更低（尤其是在剛開始的時候）。

二、用戶與內容的聯通，除了顯性的設計，隱形的挖掘需要PM參與嗎？ 需要

1、PM需要提所需上報的數據，比如：用戶點擊了一條視頻，那麼此時就需要上報點擊時間、uid、視頻vid、視頻所屬策略、視頻所屬分類、點擊位置等等。這部分必須是由PM來提的。

三、PM如何選擇策略？比如更多根據用戶相關而非產品相關來推薦，決策依據是什麼？

1、一般有先驗知識的情況下，我們會在列表頁放更多個性化推薦，在底層頁放更多內容相關推薦。但是，最終是需要通過數據去不斷驗證、反覆迭代的，尤其是在特別精細粒度的選擇上。

2、先驗的知識，一方面是過去的數據分析所得結果，另一方面是結合生活經驗的——比如如果我們判斷用戶地理位置在早上飛速變化，那麼基本可以通過生活經驗判定他可能在地鐵上，此時就會設計在這個場景下的策略。

四、現在有主要針對的視頻內容方向嗎？

1、目前，視頻內容池覆蓋非常全，一共有30+個分類，基本上業界有的視頻分類都有。

2、目前，不會去刻意強推哪一類的視頻，因為用戶需求是千人千面的（雖然有很多頭部的共性慾望），所以都是根據用戶的興趣畫像自然推薦的。

以上內容，來自飯糰「AI產品經理大本營」，點擊這裡可查看詳情：http://fantuan.guokr.net/groups/219/（如果遇到支付問題，請先關注飯糰的官方微信服務號「fantuan-app」）

註：飯糰「AI產品經理大本營」 ，是黃釗hanniman建立的行業內第一個「AI產品經理成長交流社區」，通過每天乾貨分享、每月線下交流、每季職位內推等方式，幫助大家完成「AI產品經理成長的實操路徑」。

---------------------

作者：黃釗hanniman，圖靈機器人-人才戰略官，前騰訊產品經理，5年AI實戰經驗，8年互聯網背景，微信公眾號/知乎/在行ID「hanniman」，飯糰「AI產品經理大本營」，分享人工智慧相關原創乾貨，關注者1.2萬+，200頁PPT《人工智慧產品經理的新起點》被業內廣泛好評，下載量1萬+。