对一款内容产品来说，由于内容数量庞杂、内容质量参差不齐，为了给用户带来良好的内容消费体验，推荐机制成了筛选/推荐优质内容的不二之选。而本文也以短视频模块的推荐机制为例，帮助大家了解推荐机制的要点。

我从事内容产品有两三年了，从最初接触的长视频到现在风靡的短视频，从最初的各类推荐位设计到现在的大屏内容推荐流设计，在此过程中积累了很多的经验，但却没有停下脚步来思考和总结。趁着疫情，我开始回想整个推荐方案，突然想总结一下，于是就有了如下——我的推荐四步曲。

我现在做的产品是内容型客户端（具体名字不便于透露，望谅解）。从产品核心功能设定到前后端详细功能设计，到项目跟踪，到发布上线，到运营培训，再到用户数据跟踪和产品维护都是我参与和推动的。

推荐功能只是作为整个产品的一部分，今天要说的是短视频模块的推荐机制。

短视频推荐机制经历了如下四步曲：

1. 发布时间排序推荐；
2. 根据用户喜好推荐；
3. 增加运营干扰；
4. 增加平台内容过滤机制。

下面，我按照顺序跟大家分步讲讲。

第一步：发布时间排序

在现在这个信息技术高速增长的社会，只要提到推荐，首先想到的是智能学习，但是我们首先选择的是发布时间排序，原因下面会说到。

1. 项目背景

1. 缺少内容沉淀：我们主要采用公司专有人员创作，所以在内容数量上会有一定的缺陷。另外目标用户对内容的接受程度待考量，创作人员需要快速试错。创作人员需要根据的用户反馈，快速调整创作方案，再迅速投到产品中等待再次反馈，所以最新的内容，从用户角度来讲是更愿意看到的，从创作者来讲，也是最愿意让用户看到的。
2. 没有用户数据：新产品，没有存量的用户行为数据做参考，如果立即使用智能推荐，对推荐结果好坏判断未知。
3. 快速上线：产品需要一个月时间完成研发和上线工作。当时的人员配置是：1个安卓、1个ios、3个后台，在资源和时间上来看，难以完成数据量极大的推荐机制。

2. 方式机制

最终选择的是按照内容发布时间倒序为主、点赞量、评论量、转发量和收藏量为辅的排序方式。

1. 发布时间倒序：按照内容发布时间新旧排序，新发布的内容用户先看到；
2. 点赞量、评论量、转发量和收藏量为辅：如果存在发布时间相同的内容，先按照用户点赞量递减排序；点赞量相同，按照评论量递减；评论量相同按照转发量递减；转发量相同按照收藏量递减。如果收藏量相同则按照后台获取的优先顺序排序。

3. 线上运营情况

产品上线后2-3个月，不同类型间的内容播放数据（平均浏览量环比前日增长）出现两级分化的情况，有的类型是正增长，而较多类型处于负增长主要原因有两个：

1. 用户基数较小，探究的样本空间就相对较小，所以分化比较严重；
2. 这段时间为内容创作适应阶段，需要长期对标用户，调整创作方案和创作类型。

在大半年到1年时间，各类型间播放数据差异（平均浏览量环比前日增长）逐步减少，负增长类型有了明显减少，并且用户次日留存也逐步稳定在15%左右。

第二步：根据用户喜好推荐

1. 项目背景

上面说到按照发布时间为主的推荐排序在某些数据上表现较好，但是在用户平均使用时长在2分钟左右，比较低，为了提升用户平均使用时长和进一步提升留存，我们进入喜好推荐。

2. 方式机制

用户喜好推荐是通过用户行为和内容标签关联的数据为依据，喜好强度做判断，然后按照由强及弱进行推荐。做此类推荐首先需要有内容数据支撑和用户行为支撑。

1. 内容数据支撑：在我们的内容库里面由运营人员设置了108个内容标签；
2. 用户行为数据支撑：用户行为数据库里面记录了所有已登录用户历史的浏览、播放、点赞、分享、收藏数据。
3. 喜好强弱评定方案：

•   行为分数定义：对用户播放、点赞、评论、转发、收藏行为按照行为可靠性定义分数，总分10分；（每个平台不一样，我们播放分数5分，点赞2分，其他各1分）
• 强弱判断：每条内容播放后，根据用户行为算出总分，以后就优先为用户推荐得分高内容的同类型内容；

3. 线上运营情况

上线后1周，用户平均使用时长上升到了2分钟—3分钟；

上线后1个月，次日留存稳定在20%-25%。

第三步：增加运营配置

1. 项目背景

1. 运营需要：运营活动、时效性内容需要强制推荐；
2. 优化上个方案：完全按照用户喜好推荐，导致同类型问题比较严重

2. 方式机制

在服务端返回的每组内容列表里面，增加适当个数的运营位（每个平台根据自己的规则来，我们服务端每次返回20条数据，所以我们配置的是第三个、第6个为运营位，原因是平台用户平均浏览数量是4个，所以在第三个放置，能保证大部分用户首次启动可以看到，同时也不会影响用户体验）。

3. 线上运营情况

很庆幸，上线后没有让用户评价使用时长降低，由于运营活动的有效触达，用户次日留存得到了很大提升，达到30%以上。

第四步：增加内容过滤机制

1. 项目背景

运营配置虽然解除了少数按照同质化问题（按照用户喜好推荐，可能会导致同类型问题比较严重），但是运营配置位置较少，而且具有较强主观意识。所以本次为平台过滤内容增加了两个位置

2. 方式机制

平台内容过滤机制：指的是通过平台用户对内容打分，过滤出优质内容和劣质内容，将优质内容推送给其他更多用户，劣质内容则淘汰不在推送。具实现方式如下：

1. 制定随机种子：内容随机推送给100个用户（数量根据平台用户规模和库内内容存量定），然后通过100个用户对内容的行为操作统计分数；
2. 优劣判断：设定优劣分数判定标准，150分以上为优质。（每个平台不一样，根据用户规模、内容情况和历史数据判定）
3. 优质推送规则：100个随机用户完成打分后，将优质内容按照分数高低推送给其他用户，同时优质内容每天也会再次进行重计分和重排序。
4. 打分规则：内容得分=完播系数*分数+是否分享*分数+是否关注*分数+是否评论*分数+是否点赞*分数+是否收藏*分数；

• 分数：指的是每个行为占比，这里，设定所有行为总分=10，完播分数=5，其余各项分别=1；
• 完播：指的是内容完整播放，进度条滑动不计算在内。

3. 线上运营情况

1. 功能上线后，保持每天10条以上优质内容产生，目前来看，属于稳定的循环；
2. 用户平均使用时长达到4分钟到5分钟；
3. 用户留存达到35%以上。（留存增长较快，和运营、推广都有较大关系）。

后话

目前我正在着手机器学习对接方案，后面上线后再和大家做进一步分享。

以上就是截止到今年年初推荐功能的大策略调整，中间有几个小版本迭代就不再这里过多讲述了，希望能和大家共勉。

本文由 @pangTT 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议