今日头条的新闻资讯以频道划分,在选定的频道下,推荐的新闻列表是以一定的规则进行组合排序的。
推荐什么?
所推荐的项目是:文章、相册、帖子、视频,这里使用一个抽象的称呼叫做item;
对于一个用户来说,是一个由不同频道的item经过某种规则排列组合的item 序列表;
对于不同用户来说,是两个不尽相同的item序列表;
item的定性分析:
官方对item的分类是以频道的形式进行划分,比如频道列表是热点/上海/视频/社会/娱乐/科技/问答...等;
一个item可以被划分到多个频道里;
一个item根据内容可以聚类成多个标签
一个item的基本组合形式是:
1.标题
2 发表时间
3 发布来源
4.主体,比如文章、相册、帖子、视频
5标签,可以点击标签进入到以标签为关键词的搜索页面
6.反馈渠道,比如赞,踩,收藏、分享、评论等
7.广告推荐
8.相关推荐,比如内容相关
item的定量分析:
item的文字排榜有没有什么特别的规则;
文本长度是否特别的限制呢;
后台关于item的存储应该是海量的吧;
为什么需要推荐?
假设没有推荐,那么
用户打开今日头条,发送一个推荐请求到服务器,服务器获取一个频道下当前最近的itemList返回给客户端;
用户刷新一下,重复上一步的操作;
这里会遇到三个问题:1.假如后台的item库较大,则每次返回的候选的itemList较大,实际上一次能返回给客户端的itemList不超过两屏,这样会造成很多的item被漏掉,造成item浪费; 2.假如后台的item库较小,则实际上可以返回的itemList可能就新增了一两个,这样会造成好像每次刷新总是一样的新闻 3.就算返回的itemList是随机摘取的,也会造成不同用户看到的itemList都差不多;
今日推荐所推荐的是新闻,新闻是讲究时效与热度的,对于item库的量较少时,它不能像商品推荐一样,去给你推荐一个很久以前上架的商品但是你可能感兴趣的,在这种情况下,即便使用了强大的推荐算法,用户也会感觉自己看到的新闻每次刷新都差不多。所以新闻推荐的item库应该是一个item过载这种情况,面对的场景是:一个用户的推荐请求过来,候选的itemList的长度可能过万了。
数以万计的候选的item,选择出十几个将被用户看到的item,这里需要推荐技术;
推荐的效果是什么?
这里站在用户的角度,亲自去使用今日头条这款产品,去总结下产品给予我什么东西了。
所关注的频道列表初始是:
推荐/热点/上海/视频/社会/娱乐/科技/问答...等
所关注的头条号是:
头条号1/头条号2/头条号3...
关于推荐这个频道:
第一条是置顶新闻,一般是当前的国家大事,放置一段时间都不变;
接下来的新闻列表是根据 你所关注的频道列表、头条号、广告提取的一两篇新闻排列组合而成。每刷新一次,就以此规律排列组成一个推荐列表插入到历史推荐列表里。
推荐的ITEM到底是不是我所感兴趣的呢?我尝试关注了偏向于计算机技术的十几个头条号,不断地刷新闻去观察我看到了什么新闻;
观察结果是:
1.每次刷新产生的新的推荐列表是历史没有看过的,多次的推荐形成一个基于时间序列的历史推荐列表;
2.一个推荐列表的的item从标题,发布者,内容等组成上看是不尽相同的;
3.一个推荐列表的长度大概是两屏的长度,每一屏差不多会有一两篇item是我所感兴趣的,虽然能引发我的兴趣,但是不属于我预先已知的兴趣,而是被系统激发出来的兴趣。
4.在多次推荐列表里,只会有少数是属于我自知的兴趣范围内的,没有很明显地不适的内容推荐项。
参考:
《今日头条》产品分析报告 /html/923017.html
今日头条产品个性化推荐功能用户体验分析/p/ea9747652a44
《今日头条》用户体验报告/p/4dc09a3a4e47