达观智能推荐 | 移动阅读时代，文娱行业个性化推荐难点解析

作者：达观智能推荐








阅读行业潜力无穷


目前阅读行业处于由PC端、实体书籍等向移动端转型后的产业升级阶段，并且受国家政策倾斜，文娱消费升级，阅读方式变革以及科技持续更迭的推动影响，行业整体发展环境一片大好。









数据显示，2018年我国数字阅读的行业规模达到了254.5亿元，相较2017年增长19.6%。与此同时，我国现有的数字阅读的用户规模约为4.3亿人，相较2017年增长14.4%。伴随着数字阅读行业的发展，可供读者阅读的书籍越来越多，读者也越来越愿意为阅读书籍付费。









2013-2017年全国居民在教育文娱上的人均消费支出



2014-2016年互联网内容提供商营收及互联网内容产业产值规模





阅读行业的需求





当下阅读类的app大致可以分为两类，一类是以微信读书为代表的通用类书籍阅读app，这类app阅读书籍的侧重点是名著、历史、传记、教育等；一类是以起点为代表的网络小说阅读app，这类app阅读书籍的侧重点是玄幻小说、武侠小说等。




由于书籍侧重点不同，推荐的需求也有些许差别。用户在使用通用类书籍阅读app时一般都有相对明确的需求，例如a用户是一名产品经理，想找一些产品经理的书籍，那么a大概率会在app上搜索“产品经理”、“产品经理技能”、“产品经理手册”等关键词。这时app需要根据a用户输入关键词推荐给a用户想看的书籍。所以，传统书籍阅读app推荐需求更加侧重于搜索页的推荐；而对于网络小说阅读app的用户，一般不会有较为明确的需求。一个用户可能喜欢玄幻、都市、武侠、历史等多种风格的小说。对于这类app的推荐需求更侧重于作者页、分类页、热门榜单等位置的推荐。



阅读行业推荐难点





虽然app侧重的书籍不同，但是推荐的难点大致相同相同。




1）如何进行精准推荐 使用搜索的用户大多数都是有相对明确的“需求”，app如果不能根据用户搜索的关键词推荐给用户想看到的书籍，那么会在一定程度上造成用户流失；




2）如何把握用户兴趣 用户的兴趣是多种多样的，一个用户可能喜欢玄幻、都市、武侠、历史等多种风格的小说，如果不能深度挖掘用户的兴趣，结果必然是用户粘度降低；




3）冷启动问题 一直都是推荐系统核心的技术问题：冷启动问题大致可以分为三类，第类用户的冷启动，一个新用户进到app之后如何生成推荐结果，如何保证用户的留存率，从而提高付费转化率；第二类是物品的冷启动，对于阅读行业来说，物品冷启动可以理解为一本新的书如何进行曝光和推荐。要知道新书籍质量是参差不齐的，当我们无法确认新书籍质量的时候，我们该怎么赋予新书籍曝光。第三类为系统冷启动，当一款新的app，既没有用户数据也没有行为数据的时候，我们该如何为用户推荐；




4）信息茧房、马太效应 这两个也是推荐技术的核心问题，具体表现为信息越推越窄，例如a用户看过玄幻类的书籍，那么推荐列表中展现的可能都是玄幻类的书籍，这样一来对用户兴趣的探索和发现就变得更加困难。









达观智能推荐通过用户行为信息、用户画像等内容，及时把握用户的喜好；通过丰富的经验和独创的CLUB(online clustering bandits)算法自适应调整新用户推荐结果，同时“三级火箭”架构保障系统稳定和毫秒级反馈，新用户一旦产生行为数据，达观智能推荐系统会秒级计算并生成新的用户画像，确保快速缓解冷启动问题。目前达观智能推荐已成功服务了招商银行、浦发银行、虎扑、澎湃新闻、英语趣配音、wifi万能钥匙、乐友、POP服装趋势等数百家新闻资讯、电商、社交软件等多个行业企业。