1. 首頁 > 生活百科 > >

什么是千人千面技術,千人千面主要體現的地方( 二 )

小知識


（2）用戶標簽和物品標簽的建設程度 。 在企業面向用戶進行精細化運營時，如果沒有足夠數據支撐用戶分層和識別物品特征，那么精細化運營的工作將難以開展 。
（3）實時行為數據流 。 無論哪一個階段的數據智能應用，都依賴對數據的實時收集，然后才有可能基于用戶的瀏覽行為實現個性化推送 。 在以上三點都滿足的情況下，企業可以基于其現階段的 ROI 決定場景及優先級 。
對于算法實現的“千人千面”來說，它的流程一般從數據系統開始，采集用戶行為數據并灌輸至算法推薦系統，經過一系列的處理，推薦最合適的結果，然后再將結果返回用戶前端做展示，同時監測用戶點擊效果，以此判斷本次推薦效果的質量，持續優化，形成算法推薦的完整閉環 。 如下圖所示：

什么是千人千面技術,千人千面主要體現的地方

文章插圖

在以上閉環中，模型訓練對于業務人員來講是一個黑盒，它主要分為三個步驟：
1.物品召回，針對用戶個性化展示適合其看到的物品 。
2.排序，基于各種各樣的判斷條件對挑選出的物品進行排序，以確保其能夠產生較好的曝光和轉化效果 。
3.重排序，該階段需要較多業務輸入 。 舉個例子，運營人員對于產品調性和多樣性有一定的要求，比如某個用戶更傾向于看與寵物相關的短視頻，但很難有一個產品能夠只播放寵物類視頻，這就需要企業清楚認識到對長期用戶行為的判斷是否應該完全依賴于算法產出的短期效果 。
而想用好算法推薦，需要基于算法的數據智能依賴于技術與業務的雙重護航：
什么是千人千面技術,千人千面主要體現的地方

文章插圖

第一，高效運作的智能推薦系統 。
首先，它的前提是可獲取到準確的用戶行為數據 。
其次，算法模型本身 。 神策的算法功能，比有些客戶之前用的自薦或其他模型寫出的推薦效果更好，我們甚至沒有進行深度調優，這就充分體現了算法模型本身的優越性 。
第二，基于業務邏輯進行系統調優 。
算法并不能幫助我們解決所有問題，其典型代表場景是冷啟動 。 針對此，我提出兩點建議：①從新用戶進入產品前的渠道做信息和內容的承接，確保用戶進入產品后，可以看到符合他預期和需求的內容；②設計好的策略主動向用戶收集信息 。
很多時候，算法并不依賴于用戶標簽和物品標簽的建設，所以有的業務人員會忽略對標簽建設的重視；但算法解決推薦問題的效果需要通過數據分析來做判斷，本質上是對一個指標進行層層拆解的過程，如果用戶畫像標簽/物品標簽建設不完善，就會對推薦效率和質量的判斷產生一定的影響 。 因此，雖然算法可以幫助我們解決很多問題，但同樣要求我們重視本身數據的建設 。
對于人工干預來說，它涉及到的通常是一些特定環節，比如，對于特定物品的封禁行為，參數調整，重排序階段的策略等 。
通過以上，我們可以了解到算法本質上要結合業務去實現，且有一定的門檻，具體表現在業務、技術和人三方面：
1.業務模式是否適合用算法解決“千人千面”的問題 。
首先，算法的最大價值在于內容到用戶的分發效率，那么企業的商業模式下對內容到用戶的分發效率是否重視，影響力如何等 。
然后，在業務發展的階段，我們勢必會優先建設內容以及拉新的動作，那么此時是否需要投入大量精力去做算法的系統，實現“千人千面”呢？
最后，物品量級和用戶活躍數量是否達標 。
2.是否有足夠的技術資源和大數據基礎支撐企業做好算法、或通過其他形式實現“千人千面” 。
3.參與人員是否具備人工智能的理論與實踐的能力 。
什么是千人千面技術,千人千面主要體現的地方

文章插圖

在人工與機器智能落地方面，它的本質很好理解 。 首先，我們會基于特定的條件去挑選出滿足條件的用戶，往上可以跟一些通道系統、營銷系統做對接，名單就會被自動推送，我們接下來要做的是發短信、推 push、發優惠券、發紅包等一系列動作，這個是針對我們圈選的人群做的一些針對性運營設計；往下走可以對接內容營銷，配置展示的內容以及順序，通過人工決策指明方向，然后再由機器自動化去實現 。
什么是千人千面技術,千人千面主要體現的地方

文章插圖

如何組建整體運營系統？我們可以從點、線、面三個層面對運營動作進行梳理：

推薦閱讀