热身算法与定制化服务

今日头条的流行促进了'个性化推荐'理念的确立。

在内容导向的产品中,个性化算法逐渐从优势变成必备功能。

伴随着'机器学习','大数据'等术语的应用,产品的整体水平得到了显著提升。

各种推荐算法不仅仅是研发团队的任务,必须深入研究算法机制,并根据具体内容进行优化调整。

作为产品经理,必须深入到算法内部,参与设计流程,并结合具体的内容进行持续优化,才能实现与自身内容的有效融合。

1. 算法的发展阶段

不可以在产品首次发布时就实现个性化推荐. 不论是依据用户的活动特征进行, 还是根据内容间的相似性进行, 都需要建立于海量用户的基数和丰富的内容资源之上. 新产品的上线初期, 常常会导致数据完整性不足, 因而无法立即开展有效的个性化推送.

在产品开发初期阶段, 推荐内容通常采用一种较为集中的方式, 即所谓的'热度算法'。这种方法并非完全基于用户的兴趣和习惯来提供个性化的服务, 但它能够覆盖大部分的内容需求, 同时其启动成本相比个性化推荐算法相对较低。

因此内容型产品的推广，在其发布初期应采用基于热度算法的冷启动策略；经过一定量级的积累后，则逐步发展出个性化推荐方案。

2. 热度算法

2.1 热度算法基本原理

需要了解的是，热度算法也是需要不断优化去完善的，基本原理：

**新闻热度分 = 初始热度分 + 用户