发布时间:2018-07-13 16:34:15 文章来源:互联网
微博 微信 QQ空间
    这一点想必大家是比较关心的,对于新闻客户端,准确说我们称为资讯客户端,今天我们来按照算法优劣程度以及有无算法来做分层。

    第一档,基于搜索引擎主动用户行为的GoogleNews,百度新闻
 
    其实这类产品做好了是很可怕的,我姑且把这个称之为大AI框架下的资讯App,这类做得好了是最准确的,因为搜索引擎基本上是基于用户的主动行为去实现的,通常你要做了解什么事情,你都是通过搜索去实现的,这类推荐算法从理论上来说效率非常高,用户教育成本也较低,因为搜索引擎只要知道你喜欢搜索什么就给你推荐什么了。
 
    作为全世界人工智能技术最好的几家公司,百度和谷歌有这方面的优势,比如谷歌的AI能理解故事里的人物、地点和事件,并把他们都链接一起,分别通过Foryou来实现对你的真实兴趣的了解,以及通过Forcoverage来防止个性化收窄,也给有兴趣发现新事物的用户提供更加全面的选择。
 
    基于搜索引擎的推荐算法,必须清楚的判断用户行为,什么时候是即时需求,什么时候是长时需求,这都要清楚的区分开来,否则系统给你的就将是杂乱无章的内容了。
 
    第二档,基于推荐引擎被动用户行为的今日头条、一点资讯、天天快报、苹果News
 
    个性化推荐引擎的鼻祖是Google的视频网站YouTube,这一类应用其实是我们接触最多的,我们通常把这类资讯App叫做个性化推荐引擎,这里面做得最好的、系统最为成熟、算法最为准确的就是今日头条、一点资讯了,天天快报现在做得越来越精准了,苹果News还是个初学者。
 
    这一类应用比较重要的是以下几点,冷启动、用户标签、用户行为。当然我已经用最简单的最容易通俗理解的词语传递给你了,不会涉及到专业词汇,也不会用到专业分类,这样你理解起来更轻松一点。
 
    这三类重要的特点,构成了自我演化的个性化推荐系统。推荐引擎的问题是用户相对来说比较被动,用户很少去搜索,而是更多的直接看推送。那么冷启动就比较重要了,冷启动中涉及到的地理位置、职业、身份、行业、兴趣爱好、性别等等都将成为冷启动的重要指标,这些维度越准确,系统学习的成本就越低,系统懂你的时间就越快。在使用一段时间以后,你的用户行为就将成为比较重要的指标了,你对文章点赞、评论、分享、踩、举报、驻留时间多长,你是订阅了还是取关了,看了具体的头部、尾部等等用户行为都将成为系统学习你用户习惯,变得越来越懂你的指标。
 
    推荐引擎的问题是什么?容易个性化收窄!用户在浏览习惯上一旦只关注自己的关注的领域,那么个性化收窄的几率非常大,那么这时候“热门”频道就起作用了,你要经常去点一些你感兴趣的而又不是你经常看的内容。
 
    第三档,就是你看不出用了推荐算法的,并且也确实没有什么卵用的腾讯新闻、网易新闻、新华日报、人民日报
 
    最后就是你看不出用了推荐算法的,本质上就是纯信息流产品,也就是说只有信息流、没有推荐,比如腾讯新闻、比如网易新闻、比如新华日报、比如人民日报,他们并不知道你干了什么,也不关心你干了什么,他们只关心给你推送什么,或按照时间、或者空间、或者其他某一固定的逻辑给你推送信息。
 
    不过现在腾讯新闻、网易新闻在这方面逐渐做得比较好了,也开始有了进步,不过主要还是基于对订阅等少数行为的采集上,复杂的用户行为上还有欠缺。

另一视角

换一换