推荐系统中的负反馈策略设计

Posted 2021-05-01 夏唬人

“推荐系统中有哪些负反馈策略？”

正好之前有过相关思考，大概讲一讲我的理解。

首先什么叫反馈？反馈即用户对于眼前事物的采取的行为。所以先简单聊聊行为的概念。

在推荐系统中，用户行为实际上包含了两种：显性行为和隐性行为。常见的显性行为，比如用户对物品的评分，喜好，关注等，一般是以产品功能为载体来实施；隐性行为则通常是指用户在网站、应用内的日常活动，比如浏览，阅读，观看等，一般是以日志为载体进行承载。

不同的行为代表了用户对于推荐结果不同的态度。一般用来表征用户对推荐结果是否感兴趣包括正反馈和负反馈两部分。

正反馈通常包括推荐位点击，加购，下单，收藏，关注，喜欢等，这些行为越多一定程度上也能表明当前推荐结果对用户来说是有足够吸引力的，自然流量的转化率相对也较高；

负反馈则是指用户表达了对当前推荐结果持有消极态度。负反馈也包括主动和被动两种。这个环节在系统实际实施的时候很容易被忽略，但也是最容易得罪用户的环节，因此策略的设计非常重要。

负反馈策略在设计的时候需要关注三个方面：推荐位间联动、内外联动和正负联动。

01 推荐位间联动

通常在一个应用内的推荐区域往往不止一个。比如在京东APP内，首页，商品过渡页，商详页，购物车等等，每一个场景下都有对应的推荐区域。

推荐位间的联动是指，如果用户在其中的一个场景下进行了负反馈，表明其对当前推荐物品不满意的时候，那么其他推荐区域也需要进行策略反应，比如屏蔽，降权等等，这就是一个推荐位之间的联动。

但是，在设计推荐位联动的时候，需要考虑对应推荐区域在当前业务场景下的定位。比如用户在某一推荐区域主动反馈“已经购买”，不期望再次推荐，那么当前推荐区域最好能够进行实时过滤，屏蔽。

那么，是不是一定在其他推荐位也进行类似的操作呢？不一定，而且可能正好配相反。比如对于复购优惠活动的推荐位，复购反而对其是一个正反馈。

02 内外联动

除了不同场景下推荐位之间的联动，还涉及到内外联动。

内外联动是指，除了对给用户呈现最终推荐结果的联动，推荐区域用户的负反馈还可以与哪些数据发生交互。

也就是用户在前端的负反馈可以影响到数据层，具体来说是用户标签层。

推荐系统通常会基于用户的各种历史行为，比如用户的关注，浏览和购买记录，给用户打上各种各样的标签，从而去判断用户的偏好，理论上是一种猜测，概率行为，那么负反馈则表明当前对用户的偏好预测出现了误差。

所以，基于用户负反馈去修正推荐链路中的使用的数据，这就是内外联动。

03 正负联动

一般我们进行推荐负反馈策略设计的时候，在用户触发了负反馈之后，通常推荐系统会实时响应，对推荐结果进行屏蔽或者过滤处理。

那么这一类的物品是否一直都不会对该用户进行推荐了呢？明显不是这样的。

用户的需求是多变的，因此需要增加一个判断用户对之前负反馈物品再次有正反馈行为的策略，进而在合适的时机为用户进行推荐。

比如对于已经进行过负反馈处理的类目或者sku，通常用户多次点击浏览该类目或者sku的时候需要重启正反馈策略。

这就是正负联动。

以上大概就是我过去做过的几种策略，其实还有很多，欢迎大家补充探讨。

我是分割线

最近我想针对星球成员几门免费的课程分享，这里做个调研：

我的新书《策略产品经理，数据赋能业务》，五折活动开售中，点击阅读原文，查看详情；另有满100减50的京东自营图书活动。

已购买书籍或者转发文章：可以扫码加入读者群，免费课程分享，群直播等活动