?

2012 年今日頭條上線，開啟了內容媒體行業智能推薦的篇章。自此之后，大批資訊產品先后啟動“智能推薦”，打造千人千面的閱讀體驗，隨后擴展到短視頻行業，衍生出了快手、抖音兩大國民級娛樂產品。經過幾年的發展，產品內容智能推薦不再是絕對的領先技術或方案創新，但能完美實現智能推薦的企業幾乎都集中在行業頂尖領域，為什么呢？
原因在于，雖然從技術解決方案上講，智能推薦的解決方案已經很成熟，但如果在產品內落地智能化，需要公司組建一支專攻智能算法的團隊，解決數據采集、數據存儲、算法研發、算法調優等一系列的問題，而在目前國內算法人才緊缺的情況下，組建這樣一支團隊耗時耗力耗成本，讓不少企業望而卻步。
總之，如何利用低成本高效快速地實現產品智能化，成為很多企業的迫切需求。本文將以某網絡文學產品為例，分享其如何快速落地文學作品的智能推薦。
該網絡文學成立于 2010 年，每日為讀者提供各種不同的正版圖書，包括原創小說及精品出版物，旗下擁有多個 App 產品，自身的技術能力及數據采集能力優秀，擁有完善的數據分析產品。該平臺過去一直以人工運營的方式為讀者推薦書籍，推薦的位置包括書架必讀、熱門等，書籍的選取原則以過去閱讀最多、新書等規則為主。
最近，該平臺注意到，平臺用戶在讀完一本書之后，會出現大量的用戶流失現象。分析原因有，當用戶讀完一本書之后，如果無法快速找到感興趣到的第二本書、第三本書，用戶就會放棄平臺，而當前的人工推薦集中在固定的 Top N，更新頻率低且無法適應所有用戶的個性化需求。因此該平臺考慮引入智能推薦欄，基于用戶閱讀偏好為用戶提供定制化內容推薦。

1.確定推薦場景

考慮到智能推薦屬于該平臺的初次嘗試，推薦效果需要經過數據驗證，且短期內無法完全取代人工運營。因此，在進行智能推薦前，需要先明確應用智能推薦的場景，使推薦目標和推薦基礎規則更清晰。 在確定規則之前，該平臺梳理了目前產品已有的推薦位，主要集中在書城欄目內，包含了新書、排行、熱門、小編推薦以及書城中各自頻道的單獨推薦位。 結合該平臺目前的運營數據分析，先不改動之前的運營位推薦邏輯，而是考慮在書架頂部和書籍章節尾頁增加兩個新的位置，來嘗試智能推薦。 推薦這兩個場景的原因主要如下： （1）不改動原有的推薦位而是新增推薦位，在一定程度上更有利于產品的穩定性； （2）書城位置入口較深，流量規模遠遠低于書架位置和章節末尾的流量。

2.數據準備

推薦算法依賴對用戶行為的計算和預測產出推薦結果。確定推薦場景后，該平臺需要著手準備和采集數據。對于網絡文學類產品，一般情況下，需要提供以下 3 類數據支持算法模型運算：用戶行為數據、用戶屬性特征、書籍信息，如下所示：

?

表 用戶行為數據

表 用戶屬性特征

表 書籍信息

?

3.算法聯調

算法聯調需要技術人員參與，包括推薦接口和 App 產品對接，以及算法人員對優化推薦模型等。此環節技術性較強且個性化問題較多，這里不做詳細介紹。

4.效果驗證

資訊或視頻類網站更多通過 CTR 來衡量，但對文學類網站而言，用戶點擊并不代表最終的有效行為，可以考慮通過加架率或轉定率來評估推薦效果。因為該平臺的目的是提升留存率，而留存率會受多方因素的影響，所以最終選擇以推薦加架率為主目標，以留存率為輔助目標對推薦效果進行驗證，如下圖所示：?

圖 網絡文學智能推薦效果驗證

在以上的場景中，我們展示了文娛行業如何基于數據對展示內容調優，從而從根本上提升用戶內容滿意度。
神策數據作為優質的大數據分析與營銷科技服務提供商，將會持續賦能更多網絡文學平臺，在內容篩選與推薦方面，以較低成本快速實現產品智能化落地。

總結

以上是生活随笔為你收集整理的网络文学平台如何借力智能推荐，实现阅读体验全面提升？的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。