關(guān)于如何從0到1搭建推薦策略產(chǎn)品的思考（一）
過去的一年，一直在做策略相關(guān)的產(chǎn)品，
公眾號的老朋友們覺得我換了方向，
也不全是，工作內(nèi)容上確實發(fā)生了一些變化，
但是，本質(zhì)上還是用數(shù)據(jù)賦能業(yè)務(wù)，所以一些方法其實是通用的。
今天，主要是補交一下年前未完成的作業(yè)。
很有意思的是，這3年，從0到1做的東西占了絕大部分工作成果，
所以題目就起成這樣了。
準(zhǔn)備的時間比較長，
思維導(dǎo)圖，故事植入，案例分析，洋洋灑灑大概有幾萬字了，
所以預(yù)計拆分為2~3篇，
今天是第1篇，聊一下搭建策略產(chǎn)品的必要性以及應(yīng)具備的條件。
搭建推薦策略的必要性
在做一件事情之前先要問問為什么要做這個事情，這樣才能在整個實施的過程中游刃有余，有的放矢。
不過，回答這個問題之前需要對推薦系統(tǒng)有個總體的認(rèn)知。
1、關(guān)于推薦系統(tǒng)
先大概回顧一下整個互聯(lián)網(wǎng)階段對信息處理的演變過程。隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展，一方面用戶足不出戶就可以得到的大多數(shù)的信息，但是另一方面卻逐漸受到很多無關(guān)信息的打擾，也就是信息過載。
為了解決信息過載的問題，整個信息處理的過程大概經(jīng)過了三次演變：
第一次即以門戶網(wǎng)站為代表的分類處理技術(shù)。通過對互聯(lián)網(wǎng)的信息，內(nèi)容進(jìn)行分類處理，并且在用戶端進(jìn)行不同入口的展示，極大的方便了用戶根據(jù)類別來篩選自己感興趣的內(nèi)容，極具代表性的就是各種門戶網(wǎng)站。但是隨著內(nèi)容越來越多，分類也越來越多，太多的分類對用戶來說也造成了信息過載，隨著出現(xiàn)了第二次演變。
二次演變即以PC互聯(lián)網(wǎng)時代google，百度為代表的搜索引擎。用戶可以根據(jù)自己明確的目標(biāo)需求進(jìn)行關(guān)鍵詞查找，繁重的目標(biāo)內(nèi)容檢索工作交給了機(jī)器去處理，極大的提升了用戶信息查看的效率。不難發(fā)現(xiàn)，搜索其實是解決了用戶在有明確目標(biāo)的情況下信息檢索需求。但是如果用戶沒有明確的目標(biāo)呢，這時候搜索引擎也無能為力。緊接著，第三次演變到來。
第三次演變即以移動互聯(lián)網(wǎng)時代的個性化推薦，也即千人千面，每個人看到的都是單獨為其量身打造的內(nèi)容。和搜索引擎不一樣的是，即使用戶不主動提供明確的需求，只要它在互聯(lián)網(wǎng)上發(fā)生過相關(guān)的行為，那么推薦就可以給到用戶最為感興趣的內(nèi)容。
簡單來說，根據(jù)用戶的歷史行為進(jìn)行用戶興趣建模，結(jié)合內(nèi)容的特征，給到用戶最能滿足其興趣和需求的內(nèi)容，即推薦。
而推薦策略解決的問題就是如何能夠推薦出讓用戶滿意，讓業(yè)務(wù)受益的內(nèi)容。
當(dāng)然，這里的內(nèi)容（一般稱之為item）不限其具體的形態(tài)，可以是商品，可以是文章，可以是服務(wù)等等。
2、什么業(yè)務(wù)適合做推薦策略
了解推薦的概念之后，到底哪些業(yè)務(wù)，哪些場景非常適合去做推薦系統(tǒng)，或者說應(yīng)該去做推薦策略呢？這個也是我一直思考的問題，總結(jié)了以下幾點：
2.1 有海量的內(nèi)容
推薦系統(tǒng)的初衷就是從海量的item當(dāng)中選出用戶最感興趣的，所以首先要有海量的item，數(shù)量不足，就無所謂選擇了。
另一方面，從策略的角度來講，一個策略從誕生，到上線，再到驗證，整個過程都需要海量的數(shù)據(jù)參與，比如item feature提取，模型訓(xùn)練，指標(biāo)驗證等等，海量的數(shù)據(jù)能夠確保整個過程的準(zhǔn)確性、可行性和科學(xué)性。
2.2 有海量的用戶
這個其實和海量的內(nèi)容是相輔相成的。因為推薦策略本身就是來鏈接用戶和內(nèi)容的，所以從這個角度來講的話，有海量內(nèi)容，就需要有海量的用戶與之對應(yīng)，否則策略是不靠譜的。
從另一個角度來講，推薦策略本身是為了提高流量的利用效率，這種利用效率可以體現(xiàn)為轉(zhuǎn)化率，UV價值，RPM，GMV等具體指標(biāo)，需要大量的數(shù)據(jù)進(jìn)行驗證，否則就沒有意義。
因此，如果業(yè)務(wù)還在發(fā)展初期，并沒有多少用戶，那從產(chǎn)品目標(biāo)本身角度來講，這個時候應(yīng)該主要是以流量導(dǎo)向，而推薦策略并不占據(jù)很重要的優(yōu)先級。
2.3 非工具類業(yè)務(wù)
工具類業(yè)務(wù)從其誕生一定會有一個明確的目標(biāo)，對應(yīng)的用戶也有非常明確的需求，所以對于這種業(yè)務(wù)一般不會去推薦其他同類內(nèi)容了。當(dāng)然需要區(qū)別一下資源位和推薦。
一般來說，目前應(yīng)用推薦策略比較多的領(lǐng)域包括：電商，視頻，音樂，閱讀，社區(qū)，社交，廣告，基于位置的服務(wù)等。
2.4 用戶逛的場景居多
目前用戶碎片化的時間越來越多，用來在產(chǎn)品上“閑逛”的時間也就越多，但是，與之對應(yīng)的是同質(zhì)化的產(chǎn)品也越來越多，在爭取用戶注意力這條道路上，能夠基于用戶的而歷史行為，去實時，精準(zhǔn)的推薦用戶感興趣的內(nèi)容可能是一種最為高效的方式。
個性化推薦目前已經(jīng)成為了一種新的趨勢，每一個產(chǎn)品基本必備一個BI模塊。不過，是否值得投入很大的資源去做一個看似高大上的推薦系統(tǒng)，還是需要好好考慮一下的。
搭建策略產(chǎn)品需要哪些條件
下面有些內(nèi)容在之前的文章里面提到過：這一年，我做策略產(chǎn)品遇到的坑，在一個業(yè)務(wù)線搭建推薦策略產(chǎn)品時，需要先看看如下條件是否滿足：
1、結(jié)構(gòu)化數(shù)據(jù)
現(xiàn)在產(chǎn)品人經(jīng)常講的數(shù)據(jù)驅(qū)動，我覺得更全面的說是結(jié)構(gòu)化數(shù)據(jù)驅(qū)動。因為處理亂七八糟的數(shù)據(jù)是一種很糟（dan）糕（teng）的經(jīng)歷。
關(guān)于結(jié)構(gòu)化數(shù)據(jù)的定義可以看之前的文章。對于搭建策略產(chǎn)品而言，主要看三個：
(1) 產(chǎn)品埋點是否完備
埋點是唯一能夠準(zhǔn)確，實時的采集到線上用戶行為的手段，而對于鏈接用戶和物品信息的推薦產(chǎn)品來說，用戶行為的重要性就不言而喻了。
(2) 埋點數(shù)據(jù)是否存儲
對于數(shù)據(jù)來說，埋點僅僅解決了線上是否有采集工具的問題，至于是否能夠真正發(fā)揮其數(shù)據(jù)價值還需要看這些數(shù)據(jù)是否被存儲下來。
就類似城市攝像頭，如果僅僅布置了一個可以實時顯示當(dāng)前區(qū)域內(nèi)景象的工具，其實對于城市建設(shè)沒有任何用處。
在我們之前的一次實施的過程中就遇到過類似的問題。uuid（用戶設(shè)備編號）本身各種日志是有記錄的，但是數(shù)據(jù)表中卻沒有把這個字段存下來，導(dǎo)致無法直接使用，如果進(jìn)行表結(jié)構(gòu)改動，做研發(fā)的同學(xué)應(yīng)該知道，這個工程量和復(fù)雜量絕對不小。
(3) 數(shù)據(jù)存儲結(jié)構(gòu)是否合理
最后一個就是關(guān)于存儲結(jié)構(gòu)的問題，主要是指數(shù)據(jù)表結(jié)構(gòu)設(shè)計的是否合理。
我見過很多業(yè)務(wù)線的后臺數(shù)據(jù)的表結(jié)構(gòu)就是按需建表，沒有一個統(tǒng)一的規(guī)劃，就類似一個大的房子，沒有提前做統(tǒng)一規(guī)劃，而是按照各自需要進(jìn)行分割，結(jié)果可想而知。
最主要的額影響就是在搭建系統(tǒng)過程中，表結(jié)構(gòu)需要不停的進(jìn)行整合，重建，本來三天可以進(jìn)行入方案開發(fā)，會延期一周甚至更長時間用來處理這些問題。
一個不合理的數(shù)據(jù)庫設(shè)計，會導(dǎo)致工程效率低下。
這些都是我親身經(jīng)歷過的事情。
可以說以上三點，直接決定了一個業(yè)務(wù)線是否能夠搭建推薦策略產(chǎn)品。
還是那句話：
底層數(shù)據(jù)各種屬性不全，最好的規(guī)則也白搭。
引以為戒。
總之，結(jié)構(gòu)化的數(shù)據(jù)對于推薦策略產(chǎn)品的搭建主要有兩個作用：
一是用于用戶行為feature的建立用于推薦結(jié)果的召回，比如點擊行為，關(guān)注行為，加購行為，下單行為等；另一方面是用于對推薦效果的驗證，主要是通過線上埋點采集數(shù)據(jù)，進(jìn)行計算相關(guān)指標(biāo)進(jìn)行推薦效果檢驗。
另外再說一下我關(guān)于數(shù)據(jù)驅(qū)動的理解：
目前的數(shù)據(jù)驅(qū)動其實大多數(shù)停留在數(shù)據(jù)佐證，人驅(qū)動上面，換句話說大多數(shù)情況下把數(shù)據(jù)當(dāng)做一種工具，用來證實或證偽，然后人再去做相應(yīng)的決策。
我理解真正的數(shù)據(jù)驅(qū)動應(yīng)該在用戶進(jìn)來的那一刻開始，數(shù)據(jù)工程就開始運作，來決定給用戶展示什么，怎么展示，怎么引導(dǎo)。
2、是否有較好的應(yīng)用場景
前面也提到了，不是所有的業(yè)務(wù)都適合做推薦策略產(chǎn)品，其實最主要是要看這個業(yè)務(wù)線當(dāng)中是否有比較好的應(yīng)用場景進(jìn)行支持。
通常來說，我覺得有兩種場景是可以用推薦系統(tǒng)進(jìn)行滿足的：
第一種：更加高效滿足用戶需求。
比如同樣對于筆記本這種產(chǎn)品，當(dāng)我們還無法感知用戶對品牌，配置需求的時候，可以按照商品本身各維度進(jìn)行推薦（物品單邊特征），爭取把性價比最高，品質(zhì)最好的產(chǎn)品推薦給用戶，逐步引導(dǎo)用戶產(chǎn)生消費行為。
這種場景通?？梢苑Q作是“千人一面”的場景，就是把業(yè)務(wù)內(nèi)最“好”的東西展示給用戶，這個“好”的定義隨業(yè)務(wù)線的不同而不同；
另一種：滿足用戶的個性化需求。
當(dāng)我們掌握大量了用戶行為數(shù)據(jù)的時候，就可以大概知道一個用戶是什么樣的，比如他喜歡的品類，能夠承受的價格等等，從而去建立他的標(biāo)簽?zāi)Ｐ?，依?jù)該模型即可進(jìn)行個性化推薦了。
這種場景通常可以成為“千人千面”場景，典型的淘寶首頁就是按照這種場景進(jìn)行搭建，所以，現(xiàn)在一般不叫淘寶購物，而叫“逛”淘寶，這種“逛”的背后就是數(shù)據(jù)決策的驅(qū)動。
其實不難發(fā)現(xiàn)，對于不明確用戶目標(biāo)的情況下，推薦有助于高效，精準(zhǔn)的給到用戶最滿意的物品，是這種場景下的不二之選。
以上。
這篇主要講了關(guān)于搭建推薦策略的必要性以及需要具備的相關(guān)條件，下一篇會具體復(fù)盤一下整個搭建過程的步驟。
未完待續(xù)...