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+。
推薦閱讀:
※腦芯編 | 窺腦究竟,結網造芯(三)
※《人工智慧》第一周問題集agent & enviroment
※余凱:不做AI晶元,如何改變世界?
※找點書看,也不用那麼難(峰哥做個 community)
※從NNVM和ONNX看AI晶元的基礎運算運算元