大家好，我叫陳鵬，來自騰訊。

前三位老師講得都很有深度，干貨滿滿。相比于前三位老師的深度，我今天分享的主題將會輕松一些，主要跟大家介紹騰訊看點在投放系統(tǒng)的探索，沒有學(xué)術(shù)和深刻的原理，也沒有目錄，這里只有故事，跟著我的 PPT 一起開啟一段故事吧。

在介紹投放系統(tǒng)之前，我想做個簡單的調(diào)查，有多少人用過信息流產(chǎn)品？比如騰訊看點、今日頭條等等。還挺多，那再問一下，在瀏覽信息流的時候，有多少人看到過令自己反感的內(nèi)容？發(fā)現(xiàn)剛剛舉手的同學(xué)基本也都舉了手。這說明信息流中出現(xiàn)低質(zhì)內(nèi)容還是件挺常見的事，那該如何解決呢？這其實是一件很難的事情，我們信息流的同學(xué)一直都在探索，其中投放系統(tǒng)就是探索的產(chǎn)物之一。

要說投放系統(tǒng)，推薦系統(tǒng)是繞不開的，因為投放系統(tǒng)就是為了解決推薦系統(tǒng)的問題而誕生的。那什么是推薦系統(tǒng)呢？剛剛潘老師已經(jīng)做了非常詳細(xì)和深入的講解，我這里就簡化一下。

大家想象一下，現(xiàn)在有一位用戶打開了信息流產(chǎn)品，那接下來會發(fā)生什么？前端會去請求后臺，后臺又會去請求推薦系統(tǒng)，推薦系統(tǒng)再去內(nèi)容池翻箱倒柜，找?guī)灼@名用戶最有可能喜歡的內(nèi)容。那推薦系統(tǒng)是怎么知道用戶喜歡什么類型的內(nèi)容的呢？用戶畫像，每名用戶身上都會有一些標(biāo)簽，表示喜歡或者討厭什么，比如這名用戶的畫像顯示他比較喜歡王者榮耀、財經(jīng)、體育等等。每篇內(nèi)容也都有自己的標(biāo)簽，表示這是什么樣的內(nèi)容。推薦系統(tǒng)要做的呢，就是將用戶和內(nèi)容相互匹配，比如這名用戶的畫像里有“王者榮耀”，那么推薦系統(tǒng)就會給他推薦王者榮耀的內(nèi)容。

小結(jié)一下，推薦系統(tǒng)做的事呢，就是將用戶信息和內(nèi)容信息互相匹配，然后將匹配的結(jié)果推薦給用戶，就是推薦結(jié)果。這樣會有什么問題嗎？如果這是一名新用戶，沒有畫像，那應(yīng)該怎么辦呢？推薦系統(tǒng)有一個內(nèi)容池，專門給這些新用戶準(zhǔn)備的，因為這里面的內(nèi)容是機(jī)器篩選的，所以不乏一些標(biāo)題黨、擦邊球的內(nèi)容，用戶看到這類內(nèi)容時，雖然眉頭一皺，但還是經(jīng)常忍不住去點擊，不點不打緊，就這么一點，誤會大了，推薦系統(tǒng)就會認(rèn)為這名用戶喜歡這類內(nèi)容，后面就會使勁給用戶推類似的內(nèi)容，用戶雖然很反感，但又忍不住不看，所以就會形成惡性循環(huán)，等到用戶失去耐心的時候，就不會再用這款產(chǎn)品了。

那如何打破這種惡性循環(huán)呢？一種方式是人為干預(yù)，機(jī)器可能會傻乎乎給你推送看似受歡迎實際比較低質(zhì)的內(nèi)容，但我們的運營同學(xué)只會精選優(yōu)質(zhì)內(nèi)容，然后連同推薦系統(tǒng)給的結(jié)果一起推送給用戶，那這樣用戶是不是就可以看到優(yōu)質(zhì)內(nèi)容了呢？

現(xiàn)在再來看請求數(shù)據(jù)的過程，用戶訪問信息流產(chǎn)品時，前端會向后臺請求，跟之前不同的是，這時后臺會向混排層請求，混排層一方面跟推薦系統(tǒng)請求推薦結(jié)果，比如推薦系統(tǒng)推薦了兩篇跟王者榮耀有關(guān)的內(nèi)容；另一方面混排層會查詢一下運營同學(xué)有沒有人工推薦的內(nèi)容，比如這里運營同學(xué)人工推薦了這篇跟《三十而已》有關(guān)的內(nèi)容?；炫艑邮盏酵扑]系統(tǒng)和運營配置的內(nèi)容后，根據(jù)一定規(guī)則混合排列兩邊的數(shù)據(jù)，然后再將數(shù)據(jù)一起返回給前端用戶。這樣用戶就可以看到推薦同學(xué)精選的優(yōu)質(zhì)內(nèi)容了。

我們繼續(xù)追問，這樣做會有什么問題嗎？內(nèi)容是好內(nèi)容，但不一定所有人都喜歡，比如剛剛說的，運營同學(xué)推薦了《三十而已》的內(nèi)容，但其實會有相當(dāng)一部分用戶并不喜歡。每個曝光機(jī)會都很重要，特別是前幾條，用戶如果不喜歡《三十而已》，那就不會去點擊，勢必會導(dǎo)致大盤數(shù)據(jù)的下跌。那該怎么辦呢？如果我們能夠提高運營推送的準(zhǔn)確性，把不同的優(yōu)質(zhì)內(nèi)容推送給那些大概率會感興趣的用戶那里，那是不是就既能解決大盤數(shù)據(jù)下跌，又能解決運營給用戶推送優(yōu)質(zhì)內(nèi)容的問題了呢？

那如何提高運營推送的準(zhǔn)確性呢？秘訣就是我們今天的主角：投放系統(tǒng)。投放系統(tǒng)所做的工作，用一句話概括就是，把運營同學(xué)認(rèn)為優(yōu)質(zhì)的內(nèi)容盡可能準(zhǔn)確地投放給那些可能感興趣的用戶。這里面有兩個要點，第一，投放什么內(nèi)容？第二，內(nèi)容投放給什么用戶？分別來看。

第一要點，投放什么內(nèi)容。投放系統(tǒng)投放的內(nèi)容也是經(jīng)過入庫服務(wù)后進(jìn)入到內(nèi)容池的那些內(nèi)容，我們的運營同學(xué)會在內(nèi)容池中挑選出優(yōu)質(zhì)的內(nèi)容，并且把它們進(jìn)行歸類。運營同學(xué)會根據(jù)他們的需要將這些優(yōu)質(zhì)內(nèi)容聚合在一起，這些根據(jù)一定規(guī)則聚合的內(nèi)容被稱為“興趣點”，這里的規(guī)則可以指同一個賬號、同一個品類、同一個主題、同一個話題等等等等，只要我們的運營同學(xué)認(rèn)為有相同點，就可以把這些內(nèi)容聚合在一起。我們舉些例子，著名歌手胡夏就是一個賬號，品類的話比如美食品類，主題的話比如漫威，話題的話比如最近非常火的《三十而已》，這里的“胡夏”、“美食”、“漫威”、“三十而已”都是興趣點。我們可以看到，興趣點的劃分實際上沒有什么規(guī)則，粒度可大可小，維度靈活多樣。小結(jié)一下，投放系統(tǒng)投放的內(nèi)容是以興趣點作為維度的，興趣點是一個抽象的概念，代表相同種類的內(nèi)容。

說完第一個要點，那繼續(xù)說第二個要點：內(nèi)容投放給什么用戶？我們剛剛說到，內(nèi)容是按照一定的相同點聚合在一起的，投放系統(tǒng)的工作就是把這類內(nèi)容投放給可能感興趣的用戶。說到這里，我們可以更好地看出把內(nèi)容聚合在一起的好處了，為一篇內(nèi)容找到目標(biāo)用戶是很困難的，但為一類內(nèi)容找到目標(biāo)用戶就簡單許多。

說回內(nèi)容應(yīng)該投放給什么用戶，一開始投放系統(tǒng)其實也不知道，但是它會不斷地探索，找到目標(biāo)消費者。針對每一個興趣點，投放系統(tǒng)會試探性地給一些用戶投放這個興趣點里面的內(nèi)容，拿《三十而已》這個興趣點舉例，假設(shè)投放系統(tǒng)每天會給一批用戶投放5篇左右《三十而已》的內(nèi)容，有的用戶對這個話題不感興趣，可能一條都不會點，有的用戶就比如我知道這么個話題，持中立態(tài)度，可能會點一兩篇看一下，而有的用戶如果是《三十而已》的忠誠粉絲，那很可能四五篇都會點。投放系統(tǒng)有一套算法，會根據(jù)用戶的點擊情況打分，將用戶分成非受眾、相關(guān)用戶和核心用戶三類。這是第一天的情況，投放系統(tǒng)會針對每一個興趣點圈出一部分用戶進(jìn)行探索，然后根據(jù)探索結(jié)果將用戶分成這個興趣點的非受眾、相關(guān)用戶和核心用戶三種類別。那第二天、第三天，一直持續(xù)探索，是不是就可以在茫茫人海中圈出這個興趣點越來越多的相關(guān)用戶和核心用戶了呢？確實是的，而這兩類用戶正是這個興趣點的重要資產(chǎn)。

當(dāng)一個興趣點剛剛創(chuàng)建的時候，它是沒有任何相關(guān)用戶或者核心用戶的，那我們就需要去探索，哪些用戶可能對這個興趣點感興趣。那怎么探索呢？一種方法就是隨機(jī)探索，隨便選一些用戶，然后給他們投放內(nèi)容，毫無疑問，這樣的效率肯定很低。有沒有效率更高的方式呢？這里挑三種方法給大家介紹一下，分別是：人工探索、機(jī)器探索和策略匹配。

先來看人工探索。無論玩過沒玩過，相信很多人應(yīng)該知道地下城與勇士這款游戲，最近呢，地下城與勇士的手游將要上線，不過我們不談游戲，只談由游戲衍生出的內(nèi)容。新款手游的上線肯定會產(chǎn)生很多相關(guān)的優(yōu)質(zhì)內(nèi)容，我們的運營同學(xué)敏銳地抓住了這一點，提前在投放系統(tǒng)里面創(chuàng)建了一個叫“地下城與勇士手游”的興趣點。問題來了，內(nèi)容有了，目標(biāo)用戶呢？不要慌，我們運營同學(xué)的專業(yè)經(jīng)驗就能派上用場了，他們會定幾個篩選條件，比如性別、年齡、收入等等，然后篩選出最有可能喜歡“地下城與勇士手游”的用戶，比如性別選擇男性、年齡選擇15-35歲之間，地域選擇一線城市、操作系統(tǒng)選擇不限、收入水平選擇月薪8000以上、用戶標(biāo)簽選擇游戲動漫類的。設(shè)定的這些條件，大大提高了探索的準(zhǔn)確性，這就是人工探索的基本原理。

那我們的運營同學(xué)是如何知道用戶的性別、年齡這些信息的呢？用戶畫像。目前我們用到的畫像有兩類，一類是騰訊看點自己的用戶畫像，比如財經(jīng)、動漫、時尚等等，另一類是其他業(yè)務(wù)的用戶畫像。比如IEG游戲畫像、騰訊視頻畫像、QQ音樂畫像等等。小結(jié)一下，人工探索是依賴于運營專業(yè)經(jīng)驗的一種探索興趣點新用戶的投放方式。

說完人工探索，我們繼續(xù)看機(jī)器探索。我們剛剛提到，當(dāng)一個興趣點剛剛創(chuàng)建的時候沒有核心用戶或者相關(guān)用戶，經(jīng)過運營同學(xué)的篩選圈定一部分用戶進(jìn)行探索后，這個興趣點會沉淀一些核心用戶和相關(guān)用戶，我們用藍(lán)色的小人表示。所謂物以類聚人以群分，這部分用藍(lán)色表示的用戶一定有一些共同的特征，我們把這些共同的特征提取出來，然后在大盤里找具有這些特征的用戶，再把他們篩選出來作為我們的探索用戶。這些探索用戶是機(jī)器算法篩選出來的，所以被稱為機(jī)器探索。小結(jié)一下，機(jī)器探索是依賴機(jī)器算法的一種探索興趣點新用戶的投放方式。

以上是機(jī)器探索，我們繼續(xù)看策略匹配。假設(shè)有一名用戶在QQ里面搜索了“地下城與勇士”，我們是不是很自然地認(rèn)為這名用戶對“地下城與勇士”感興趣呢？那這名用戶當(dāng)仁不讓地成了“地下城與勇士手游”這個興趣點的探索用戶。這名用戶搜索的時候，觸發(fā)了我們一條具體的策略：“搜索地下城與勇士”，這里搜索是行為，地下城與勇士是關(guān)鍵詞，搜索某個關(guān)鍵詞就是我們的一種策略。策略就是觸發(fā)特定信號的行為，目前我們設(shè)置了六種策略，當(dāng)然我們一直在探索其他的策略。每個興趣點話可能會設(shè)置一些策略，如果觸發(fā)了這些策略，就會成為這個興趣點的探索用戶。

以上就是我們采用的其中三種探索策略：人工探索、機(jī)器探索和策略匹配。

對于每個興趣點來說，投放系統(tǒng)每天會探索出一批可能對這個興趣點感興趣的用戶，然后給他們投放幾篇這個興趣點里面的內(nèi)容。有的用戶一篇沒點，就是這個興趣點的非受眾；有的用戶偶爾點一兩篇，就成為了這個興趣點的相關(guān)用戶；而有的用戶可能閱讀了大部分內(nèi)容，就成為了這個興趣點的核心用戶。核心用戶和相關(guān)用戶是這個興趣點沉淀下來的重要資產(chǎn)。那這是不是一錘子買賣呢？核心用戶永遠(yuǎn)就是核心用戶，相關(guān)用戶永遠(yuǎn)就是相關(guān)用戶呢？想象一下，如果第一天給一名用戶投放了5篇某個興趣點的內(nèi)容，這名用戶讀了4篇，那他就會被系統(tǒng)判定為這個興趣點的核心用戶。投放系統(tǒng)每天除了會給探索用戶投放內(nèi)容，還會持續(xù)地給以前沉淀下來的核心用戶和相關(guān)用戶投放內(nèi)容。如果第二天、第三天持續(xù)給這名核心用戶投放這個興趣點里的內(nèi)容，但這名用戶可能一篇都沒有點擊，我們的系統(tǒng)就會調(diào)整他的評分，可能會把他降為這個興趣點的相關(guān)用戶甚至非受眾。所以用戶的身份其實并不是一成不變的，這是一個動態(tài)的變化過程。

回顧一下剛剛所講的內(nèi)容。興趣點是按照一定規(guī)則聚合的內(nèi)容，投放系統(tǒng)的目標(biāo)是為興趣點找到目標(biāo)用戶，興趣點剛剛創(chuàng)建的時候，投放系統(tǒng)也不知道這個興趣點的目標(biāo)用戶有哪些，所以需要去探索。這里介紹了三種投放系統(tǒng)探索新用戶的方式：人工探索、機(jī)器探索和策略匹配。所謂的探索就是尋找可能對這個興趣點感興趣的用戶，然后給他們投放內(nèi)容來驗證他們喜歡這個興趣點的程度，根據(jù)程度，我們把用戶分成核心用戶、相關(guān)用戶和非受眾，我們的目標(biāo)是找到更多的核心用戶和相關(guān)用戶。

這一切看起來挺完美的，那有沒有什么問題呢？假設(shè)第一個興趣點先去探索，探索出了一批用戶，第二個興趣點再去探索，又探索出一批用戶，第三個興趣點還去探索，又探索出一批用戶?；钴S用戶看的內(nèi)容多，身上積累的畫像多，越是可能會被系統(tǒng)判定為探索用戶，這樣的話，很多興趣點都會去把活躍用戶探索一遍，然后宣稱這些用戶是這個興趣點的核心用戶或者相關(guān)用戶。這樣會導(dǎo)致各個興趣點始終圍繞著活躍用戶探索，對長尾的用戶探索遠(yuǎn)遠(yuǎn)不夠，，不利于增加長尾用戶的活躍度和粘性。

那有什么辦法可以解決呢？這里介紹一種我們采用的策略：設(shè)置探索用戶的互斥性?，F(xiàn)在探索的方式就變成了，第一個興趣點探索了一部分用戶，第二個興趣點探索時需要避開第一個興趣點探索出的核心用戶和相關(guān)用戶，第三個興趣點探索時需要避開之前興趣點探索出的用戶。這樣就強(qiáng)制后面的興趣點在探索用戶時，能夠盡量把探索范圍往長尾低活用戶偏移。

剛剛我們一直在聊投放系統(tǒng)，那推薦系統(tǒng)和投放系統(tǒng)是什么關(guān)系呢？

首先，這兩個系統(tǒng)有個本質(zhì)的差別。一個用戶打開騰訊看點或者其他的信息流產(chǎn)品，是希望推薦能夠給自己推薦幾篇感興趣的內(nèi)容，這是一個用戶主動尋找內(nèi)容的過程。而投放系統(tǒng)呢，恰好相反，運營同學(xué)覺得系統(tǒng)里面有很多優(yōu)質(zhì)的長尾內(nèi)容沒有被推薦出去，想要給這些優(yōu)質(zhì)內(nèi)容找到合適的用戶群體，所以這是一個內(nèi)容找人的過程。

另一方面，投放系統(tǒng)又深刻地影響著推薦系統(tǒng)，我們從兩個方面來看。第一方面是用戶維度，當(dāng)用戶消費了投放系統(tǒng)投放的內(nèi)容的時候，他的用戶畫像就會受到影響，比如投放系統(tǒng)給用戶投放了幾篇《三十而已》的內(nèi)容，用戶消費了之后，身上的畫像會更新，就會帶有“三十而已”的標(biāo)簽，這種畫像會被推薦系統(tǒng)所采用，所以后面推薦系統(tǒng)也會給這名用戶推薦更多的“三十而已”的內(nèi)容。投放系統(tǒng)影響推薦系統(tǒng)的第二個方面是內(nèi)容維度，對于一些長尾冷門的內(nèi)容，我們的運營如果覺得優(yōu)質(zhì)的話，會通過投放系統(tǒng)投放出去，如果投放的目標(biāo)人群比較準(zhǔn)確，那么很快就會有很多用戶閱讀這些內(nèi)容，推薦系統(tǒng)就會認(rèn)為這些內(nèi)容是熱門內(nèi)容，進(jìn)而進(jìn)行更大的推廣。

好的，我們回到一開始說的問題，因為用戶點擊了幾篇低質(zhì)庸俗的內(nèi)容，推薦系統(tǒng)會誤以為用戶對這類內(nèi)容感興趣，然后就會持續(xù)地給用戶推薦類似的內(nèi)容，其實用戶可能并不是真的感興趣，相反很可能還很反感，只是忍不住點擊了而已，然后就會陷入惡性循環(huán)。其中的一種解決方案就是投放系統(tǒng)，運營會精選一些優(yōu)質(zhì)的長尾內(nèi)容，通過投放系統(tǒng)投放給用戶，這樣就可以打破惡性循環(huán)，提高用戶的體驗和粘性。

講到這里，關(guān)于投放系統(tǒng)的原理部分基本就介紹完了。聽起來好處多多，那如何量化投放系統(tǒng)帶來的收益呢？互聯(lián)網(wǎng)人常用的工具就是 A/B 測試。最后的幾分鐘，我想跟大家分享一下投放系統(tǒng)采用的 A/B 測試所暗含的玄機(jī)。

當(dāng)產(chǎn)品有了新功能之后，我們會選擇兩撥用戶，一撥用戶使用最新版本，另一撥用戶繼續(xù)使用舊版本。實驗一段時間后，進(jìn)行實驗分析，如果新版本效果好就會發(fā)布新版本，舊版本效果好就保持舊版本。實際的 A/B 測試過程非常復(fù)雜，剛剛伍老師跟我們做了深入的分享，我也不班門弄斧。我這里主要想跟大家分享一下的是選取樣本的方式。

QQ 中有個天然的用戶 ID 就是我們的 QQ 號，那如何選取兩撥用戶呢，一種方式就是對 QQ 號取模，比如模 100。那么根據(jù)取模的結(jié)果可以將用戶隨機(jī)分成了 100 份，結(jié)果為 65 的那撥用戶保持舊版本，結(jié)果為 66 的那撥用戶使用新版本，這兩撥用戶的 QQ 號分別以 65 結(jié)尾和以 66 結(jié)尾。這樣的做法真的好嗎？我們從兩方面來看。

第一方面，隨機(jī)嗎？看這兩撥用戶，一撥以 65 結(jié)尾另一撥以 66 結(jié)尾，需要注意的是 QQ 中是存在靚號的，而靚號是需要購買的，所以跟普通 QQ 號相比，靚號用戶的基本屬性、使用活躍度總體都要好。這兩撥用戶看起來是隨機(jī)分配的，兩者之間應(yīng)該基本沒有差異，但實際上以 66 結(jié)尾的用戶很多都是靚號，這種內(nèi)在的差異會影響實驗結(jié)果，所以直接取模的方式是種偽隨機(jī)的方式。

第二方面，夠用嗎？將 QQ號模 100，最多只能進(jìn)行 99 次 A/B 實驗，還有一組是用來對照的。即使模 1000 甚至 10000，那也始終是有限的，所以這種取樣的方式并不夠用。

既然給 QQ 號取模的方式是偽隨機(jī)的、不夠用的，那應(yīng)該如何正確地劃分用戶組？這里介紹一下我們所采用的一種方式，它可以同時滿足三方面的需要：分桶均勻、足夠分桶和互不干擾，我們分別簡單的聊一聊。

第一方面是分桶均勻。我們不會對 QQ 號直接取模，而是先計算 QQ 號的 Hash 值，然后再對 Hash 值取模。這樣做的好處是，哈希函數(shù)可以充分地打散用戶，避免靚號聚集的情況，同時在 QQ 這么大的體量下，我們幾乎可以認(rèn)為對 Hash 結(jié)果取模的結(jié)果是均勻的，不會出現(xiàn)有的分組用戶很多有的分組很少的情況。

第二方面是足夠分桶。剛剛我們提到需要對 QQ 號進(jìn)行哈希處理，但這樣也避免不了實驗桶被用完的情況，那如何處理呢？我們可以加一個 salt 值，當(dāng) 99 次實驗桶用完的時候，我們可以換一個 salt 值，可以把用戶重新打亂再分組。這有點像打牌，第一次所有牌會被均分成 4 份，然后重新洗牌再均分成四份。因為 salt 值是無窮無盡的，所以理論上我們可以得到無窮無盡的實驗桶。

第三方面是互不干擾。相比于前兩方面，這個比較難以理解，我們簡化一下。假設(shè)某款產(chǎn)品有 81 名用戶，分 9 組進(jìn)行 A/B 實驗，那每組就有 9 名用戶，其中我們對 0 號桶的用戶進(jìn)行編號，0 到 8。有沒有可能出現(xiàn)這樣一種情況，重新打散用戶再分組后，上一次同一個分組里面的用戶大部分這次又進(jìn)入了同一個組，好比洗牌沒有洗好的話，我這次拿到了一個炸，下一次很可能又拿到了同一個炸。出現(xiàn)這種情況會有什么問題嗎？假設(shè)分層 1 的1號桶有非常好的正向效果，同時也發(fā)現(xiàn)分層 2 的 0‘ 號桶也有非常好的正向效果，那你就說不清 0' 號桶的正向效果是在 0 號桶里面的實驗帶來的還是 0‘ 號桶里面的實驗帶來的。那有什么辦法可以解決這個問題呢？正交。所謂的正交就是將上一個分層中每個桶的用戶打算重新分組后，均勻地分配到下一分層中的每個桶中。這樣說有點抽象，我們看 PPT，分層 1 中 0 號桶里面的 9 個用戶，在重新打散后，被均勻地分配到了分層 2 的每一個桶里面。同樣的，分層 1 中 1 號桶的所有的用戶也會被均勻分配到分層 2 的每一個桶里面。

以上就是采樣的三個注意點以及我們采用的解決方案。最終的 A/B 測試的實驗結(jié)果也表明，收到投放內(nèi)容的那部分用戶的數(shù)據(jù)確實有明顯提升。

最后我想以我們騰訊看點線的老大在一次大會上給我們分享的一句話作為結(jié)尾：多數(shù)人因看見而相信，少數(shù)人因相信而看見。自從 Facebook 2006 年創(chuàng)造了信息流這種新型的內(nèi)容形式，信息流迄今已經(jīng)發(fā)展了 14 年，作為信息流背后的核心引擎 -- 推薦系統(tǒng)也已經(jīng)進(jìn)入了發(fā)展的深水區(qū)，如何為用戶提供更好的內(nèi)容、創(chuàng)造更大的價值，我們一直都在探索，今天跟大家分享的投放系統(tǒng)就是一個探索的產(chǎn)物。因為相信，所以我們可以看到勝利的彼岸。

最后的最后，因為時間關(guān)系，跟大家交流的時間非常有限，歡迎大家通過我們團(tuán)隊公眾號“騰訊VTeam技術(shù)團(tuán)隊”和我的個人公眾號“FEPulse”跟我們交流。

謝謝大家！

總結(jié)

以上是生活随笔為你收集整理的腾讯看点投放系统介绍：推荐系统的进化伙伴的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。