編輯導讀：在現(xiàn)實生活中我們經常會用淘寶、京東、百度等產品去搜索想要買的產品或者想要知道的訊息。在需求不明確的情況下，產品會對我們的需求進行深度挖掘和匹配，這就是推薦系統(tǒng)在起作用。提起推薦系統(tǒng)，大家第一時間想到的可能都是強大的算法技術，但本文不討論算法，只說運營方法。作者依據(jù)工作實踐中的所思所想，結合案例對推薦啟動的冷啟動問題展開了分析探討，一起來看看~

即使你沒有接觸過推薦系統(tǒng)，那你也一定聽說過“千人千面”。

從今日頭條到淘寶京東，推薦系統(tǒng)已然成為各家app或網站的標配，只要它的內容或商品sku足夠豐富，那么它一定會用到推薦系統(tǒng)。簡單來說，個性化推薦就是平臺會根據(jù)用戶的個人信息（靜態(tài)信息&動態(tài)信息）及產品信息，為不同的用戶在不同的場景提供不同的內容或商品的推薦。

推薦系統(tǒng)的理論基礎在于，用戶具有異質性，其前提條件是平臺擁有足夠多的用戶和資源（內容或商品等）。

在推薦相關的產品中，大家的焦點總是在算法模型的升級迭代和效果提升上，這樣的內容層出不窮也更容易獲得關注，但實際做推薦模塊的產品和開發(fā)一定會遇到一個繞不開的難題，那就是：推薦系統(tǒng)如何進行冷啟動。本文將結合實際工作的經驗總結為大家提供幾個冷啟動的方法策略，不涉及算法。

冷啟動問題的目標用戶：

1. 新到訪用戶或新注冊用戶；
2. 行為軌跡非常稀疏、個人信息基本沒有的用戶；
3. 低頻應用場景相關行業(yè)的用戶；

針對這三種場景的目標用戶，冷啟動的主要策略主要包含2個方面：充分挖掘用戶的個人信息、充分利用已有資源信息。而接下來將圍繞2個核心方向分別介紹4種產品策略，共8種。實際在運用的過程中，用戶和資源的各種策略可交叉進行一對一，一對多的策略組合，這個數(shù)學組合問題我就不算了，總之遠大于八種。

一、充分挖掘用戶的個人信息

策略1：未注冊的用戶位置信息授權

對于未注冊用戶，我們所擁有的用戶信息少之又少，幾乎等于沒有。一方面平臺當然希望首次到訪的用戶進行注冊，但仍舊會有一部分用戶跳過了注冊步驟，通過游客身份體驗產品功能，這時如果平臺本身有彈窗請求獲取用戶授權之后的定位信息，那這個信息對于從用戶角度進行冷啟動還是非常有用的。

當你獲得了用戶的定位信息之后，大的范圍是省份、城市（如電商、旅游平臺），小的范圍可能定位到街道樓宇（如外賣、打車平臺），此時的冷啟動策略則是根據(jù)平臺已有的相應省份、城市或街道樓宇用戶的行為提取出來，獲取近期一段時間的熱門資源作為此類用戶的推薦內容。

策略2：注冊用戶的手機號、位置信息（定位、常住地、收貨地址等）、性別等

對于已經注冊的用戶來說，一般我們能夠拿到用戶的手機號、相關位置信息以及其他一些靜態(tài)信息（諸如年齡、職業(yè)、學歷、婚姻狀態(tài)、是否有小孩兒等），此類靜態(tài)信息相對比第一種場景更加豐富，而此時的冷啟動策略也需要具體細分到每一個信息點的挖掘。

比如手機號和位置信息，除了策略1種的方案，還可以判斷用戶的常住地、家鄉(xiāng)等，對于出行行業(yè)來說，國家法定假日等是否可以給用戶提供往返交通，異地場景十分可以推薦酒店；

比如年齡，可以參照數(shù)據(jù)庫中已有較明顯的興趣傾向的不同，對于電商、短視頻等行業(yè)來說，年輕用戶更傾向于美食、穿搭、潮流、萌寵等，而中老年用戶則更傾向于養(yǎng)生、健康提醒、生活妙招、太極廣場舞等；

比如是否有小孩兒，對于住宿行業(yè)可以提供有家庭房的酒店，對于出行行業(yè)提供兒童票嬰兒票相關信息，對于電商則可推薦兒童玩具及教育相關的內容等；

策略3：用戶來源渠道（針對有投放渠道跟蹤的場景）

對于通過廣告投放等渠道進入的新用戶，如果平臺對投放渠道有相應的跟蹤機制，那么用戶進入平臺后，可根據(jù)所在投放渠道具體投放的內容進行個性化推薦。

一般來說，目前外部廣告投放也會針對不同的渠道不同的人群投放不一樣的物料，推薦模塊可將各個渠道投放的物料進行打點分類標記，同一物料可打多個相關的標簽，在明確吸引用戶來到平臺的那個觸動點之后，對于用戶進行同等維度內容或資源的推薦，沉淀轉化效果一定不錯。

策略4：用戶主動提供的興趣內容

• 針對新用戶，可以讓用戶在首次訪問時主動提供自己感興趣的內容，此方案需與其他產品模塊進行聯(lián)動，通過用戶主動圈定可快速了解用戶喜好從而在冷啟動場景有較為精準的召回候選集。
• 比如種草類，讓用戶選擇化妝品、電子產品、男裝/女裝、美食等；
• 比如新聞類，讓用戶選擇實時熱點新聞、娛樂新聞、生活八卦、職場寶典等；
• 比如旅游類，讓用戶選擇心儀的目的地類型，親子歡樂、浪漫情侶、海島度假、歷史尋跡等；

二、充分利用已有資源信息

策略1：花式推薦熱門資源

冷啟動時，普遍使用的就是熱門資源這個推薦策略了。全平臺熱門的內容或者商品，那么對于新用戶來說問題也不大。整體思路是沒問題的，但具體問題還是要具體分析。雖然整個平臺上的熱門資源約等于最所有用戶來說最好賣的資源，但不同的平臺還是可以結合已經獲得的用戶相關的信息進行細分場景的優(yōu)化。

• 比如電商平臺，11月份全平臺熱賣的可能已經是羽絨服、暖寶寶了，可是對于廣州的用戶來說，能推薦這些么？
• 比如電影平臺，今天最熱門的新聞可能是一部國產兒童動畫片，那么對于中青年男女用戶是不是一定要圍繞這個點去推薦呢？
• 比如招聘平臺，當下最熱門的崗位可能是AI算法工程師、python開發(fā)，但是對于產品經理來說有效信息幾乎等于零。

關鍵結論：結合平臺當下的熱門資源以及獲得的用戶基本屬性，盡可能多的進行不同品類曝光，避免單一品類熱門資源影響總體效果。

策略2：積極曝光優(yōu)質的新品資源

推薦平臺熱門資源當然沒問題，但是時令性的，實時性的一些新品雖然沒有積累的熱度，但由于其在當下具有非常高的轉化率，如果能夠及時做推薦曝光效果也不一定差哦。新品資源的推薦維度一方面可以通過算法直接加權，另一方面可以通過新品與已有資源的屬性進行物品的協(xié)同，找出其共性，從而錨定目標人群進行推薦。

比如近期電商平臺，金秋時節(jié)的大閘蟹開始上市了，雖然從全平臺或局部區(qū)域大閘蟹都不一定有足夠的熱度，但因為大閘蟹屬于時令性產品，其權重不應該低于所有的設定的熱門資源，因此新用戶進來推薦一下時令好貨用戶的點擊轉化會比較不錯。

比如新聞資訊平臺，每天的實時熱點都不同，當用戶沒有主動提供關注的興趣領域時，除了當下總體熱度最高的新聞，其實熱度增長幅度較高的新聞資訊可以推薦給用戶。

策略3：重點關注“專家”標注的資源

這里的專家范圍比較廣泛，主要是領域內的運營同學或者產品同學或者kol等。專家標注的資源是指基于認同領域內的專家的意見之上，對于平臺所擁有的資源進行人工標注。標注的資源主要包括：熱度相對較高、種類相對廣泛、質量相對較優(yōu)、近期時效性相對較前的一部分資源，同時結合平臺已獲取到的用戶維度的信息，進行更細粒度的組合推薦。

此方案需要耗費一定的人力和時間成本，因此需要多方權衡。

策略4：挖掘少有的用戶行為軌跡里面的信息

用戶本身如果已經產生了軌跡但比較稀疏，算法的效果可能也比較差。那么針對這類用戶，應該從為數(shù)不多的軌跡行為中挖掘用戶的興趣點和關注度，利用規(guī)則快速覆蓋。但這條策略的使用有兩個要點：

1. 必須是近期一段時間內的軌跡我們才會進行深入挖掘；
2. 必須結合資源推薦的其他維度進行推薦；

針對以上兩個要點，分析其本質主要是用戶的需求是變化的（很大可能），半年前的一兩條軌跡和今天他到平臺的需求可能已經發(fā)生了變化，基于此，即使是一個月前的軌跡，那我們也應該考慮到其時效性的成本，需要結合當前熱門的資源或新品資源進行多樣化推薦，否則推薦的內容就可能驢唇不對馬嘴。

對于用戶點擊過的資源（內容或商品）其本身的價值系數(shù)較高，平臺可以通過分析其品類、標簽及其他屬性，挖掘其相關聯(lián)的商品（同品類同屬性，或關聯(lián)屬性），從而豐富推薦候選集，達到比較好的推薦效果。

比如旅游平臺，也許用戶半年之前瀏覽過“家庭房”“家庭出游”相關的內容或產品，但今天他到訪平臺，我們一方面可以認定用戶屬于親子用戶可以進行此類資源的推薦。但同時也要考慮到用戶需求的變化，如之前瀏覽或預訂是幫親戚或朋友一家（孩子屬于親戚或朋友家）完成的，這次是自己的需求需要完成（用戶本身未婚），那么在推薦維度上需要考慮當前熱門的出行目的地或游玩方式，多樣化推薦總不會太差。

總結

實際應用落地過程中，應該根據(jù)平臺自身業(yè)務場景以及目前已有的用戶&資源的信息進行多重策略的交叉組合，從而找到不同場景對應的最佳冷啟動方案。

以上就是本期分享內容，歡迎隨時討論交流～

#推薦閱讀#

2020社招產品經理簡歷5類問題案例

智能對話機器人產品設計——主流程框架詳細介紹

評估智能對話機器人的七大數(shù)據(jù)指標

作者：丸子妹，微信公眾號：丸子筆記，歡迎隨時討論交流～

本文由 @丸子筆記 原創(chuàng)發(fā)布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協(xié)議