本次调研的目的在于发现「今日头条」推荐文章模块中未达理想态的case，并从多维度多方面分析背后的原因，以及进一步给出解决方案与优化建议。

策略产品已经是一门体系较为完善的学科，想学习的小伙伴可以通过搜索引擎查找相关课程。本系列文章不讲 *** 论，只分享亲手分析的案例。着重展示具体思路，希望可以为大家带来启发。

调研时间：2018.11

调研对象：今日头条>推荐文章模块

调研方式：抽样分析

调研目标：发现未达理想态case；分析原因，制定解决方案

一、今日头条推荐系统概述 1. 推荐维度

如果用形式化的方式去描述实际上是拟合一个用户对内容满意度的函数，这个函数需要输入三个维度的变量。

内容：头条是一个综合内容聚合平台，图文、视频、UGC小视频、问答、微头条，每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征做好推荐。

用户特征：包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。

环境特征：这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。

2. 人为干预（无法量化的目标）

广告＆特型内容频控

低俗内容打压＆频控

标题党、低质内容打压

重要新闻置顶＆强插＆加权

低级别帐号内容降权

3. 典型推荐特征

4. 用户标签

用户兴趣特征最直观的是基于点击的内容标签，内容标签有相关的数据处理策略

过滤噪声：通过停留时间短的点击，过滤标题党。

热点惩罚：对用户在一些热门文章上的动作做降权处理。理论上，传播范围较大的内容，置信度会下降。

时间衰减：用户兴趣会发生偏移，因此策略更偏向新的用户行为。因此，随着用户动作的增加，老的特征权重会随时间衰减，新动作贡献的特征权重会更大。

惩罚展现：如果一篇推荐给用户的文章没有被点击，相关特征（类别，关键词，来源）权重会被惩罚。当然同时，也要考虑全局背景，是不是相关内容推送比较多，以及相关的关闭和dislike信号等。

5. 消重＆时效

1）相同文章消重

申明原创，文章会作为主要推荐。

没有勾选原创，或者原创没通过。在时效期内（24小时、72小时、一周，根据新闻热度的不同来定）头条可能选择更权威的号作为来源。

2）相似主题消重

热点事件只需要几篇文章覆盖到整个事件就可以了。

二、需求分析 1. 业务需求分析

内容聚合平台的核心功能是高效地为用户分发内容，促使用户观看更多内容，在平台逗留更长时间，并与内容作者及其他用户进行社交互动。

聚合平台向用户分发内容的方式可以分为平台主动推送和用户主动寻找。

主动推送方式主要是智能推荐引擎。

用户寻找主要是通过以下几点实现：

在搜索栏进行关键词搜索（搜索策略、文章详情页中展示“相关搜索”）

菜单导航（我的频道、频道推荐）

查看关注作者动态（关注用户、关注频道）

平台热门内容模块（热点频道、其他模块人为干预的渗透）

平台推荐内容模块（本次调研对象）

推荐模块的业务需求是通过合理筛选并展示内容或作者信息，方便用户快速找到这些内容。

2. 用户需求分析

今日头条用户画像：

从年龄、城市分布来看，18-30岁人群占到近86%，二线城市及以下占近73%。18-23岁主要是大学阶段，24-30岁则多是职场执行层，同时又处在竞争相对不那么激烈的小城市，他们都有一个共同的特点——闲。

闲就需要娱乐，头条在一定程度上补充了这部分需求，同时又提供大量的新闻资讯，满足用户获得信息的需求。