炸鸡真香~

把私域流量做大，已经成了近两年不少企业的重要目标。如何从公域流量中截取自己的私域流量，对企业来说一直是一个难题。不少企业构建私域流量的策略是玩命加微信好友，玩命拉人建群，通过各种裂变方式增加公众号粉丝。这种方式或许可以快速把私域流量做大，但并不精准，大概率的结果是今天他是你的私域流量，明天就跟你说拜拜了。日本背靠社区的小酒馆、便利店之所以私域流量池大，是因为它们吸引的顾客是精准的，这些顾客大部分都来自于附近社区，它们直接从最精准的公域——社区截取流量。尤其是小酒馆，基本上每新增一个顾客，都是自己店的私域流量。所以对于实体小店来说，私域流量的量没那么重要，质更加重要。一个小酒馆虽然不大，只能容纳不到10个人，但每天依然不愁生意。

挖掘少有的用户行为轨迹里面的信息用户本身如果已经产生了轨迹但比较稀疏，算法的效果可能也比较差。那么针对这类用户，应该从为数不多的轨迹行为中挖掘用户的兴趣点和关注度，利用规则快速覆盖。但这条策略的使用有两个要点：1、必须是近期一段时间内的轨迹我们才会进行深入挖掘；2、必须结合资源推荐的其他维度进行推荐；针对以上两个要点，分析其本质主要是用户的需求是变化的（很大可能），半年前的一两条轨迹和今天他到平台的需求可能已经发生了变化，基于此，即使是一个月前的轨迹，那我们也应该考虑到其时效性的成本，需要结合当前热门的资源或新品资源进行多样化推荐，否则推荐的内容就可能驴唇不对马嘴。对于用户点击过的资源（内容或商品）其本身的价值系数较高，平台可以通过分析其品类、标签及其他属性，挖掘其相关联的商品（同品类同属性，或关联属性），从而丰富推荐候选集，达到比较好的推荐效果。比如旅游平台，也许用户半年之前浏览过“家庭房”“家庭出游”相关的内容或产品，但今天他到访平台，我们一方面可以认定用户属于亲子用户可以进行此类资源的推荐。但同时也要考虑到用户需求的变化，如之前浏览或预订是帮亲戚或朋友一家（孩子属于亲戚或朋友家）完成的，这次是自己的需求需要完成（用户本身未婚），那么在推荐维度上需要考虑当前热门的出行目的地或游玩方式，多样化推荐总不会太差。

重点关注“专家”标注的资源这里的专家范围比较广泛，主要是领域内的运营同学或者产品同学或者kol等。专家标注的资源是指基于认同领域内的专家的意见之上，对于平台所拥有的资源进行人工标注。标注的资源主要包括：热度相对较高、种类相对广泛、质量相对较优、近期时效性相对较前的一部分资源，同时结合平台已获取到的用户维度的信息，进行更细粒度的组合推荐。此方案需要耗费一定的人力和时间成本，因此需要多方权衡。

积极曝光优质的新品资源推荐平台热门资源当然没问题，但是时令性的，实时性的一些新品虽然没有积累的热度，但由于其在当下具有非常高的转化率，如果能够及时做推荐曝光效果也不一定差哦。新品资源的推荐维度一方面可以通过算法直接加权，另一方面可以通过新品与已有资源的属性进行物品的协同，找出其共性，从而锚定目标人群进行推荐。比如近期电商平台，金秋时节的大闸蟹开始上市了，虽然从全平台或局部区域大闸蟹都不一定有足够的热度，但因为大闸蟹属于时令性产品，其权重不应该低于所有的设定的热门资源，因此新用户进来推荐一下时令好货用户的点击转化会比较不错。比如新闻资讯平台，每天的实时热点都不同，当用户没有主动提供关注的兴趣领域时，除了当下总体热度最高的新闻，其实热度增长幅度较高的新闻资讯可以推荐给用户。

花式推荐热门资源冷启动时，普遍使用的就是热门资源这个推荐策略了。全平台热门的内容或者商品，那么对于新用户来说问题也不大。整体思路是没问题的，但具体问题还是要具体分析。虽然整个平台上的热门资源约等于最所有用户来说最好卖的资源，但不同的平台还是可以结合已经获得的用户相关的信息进行细分场景的优化。比如电商平台，11月份全平台热卖的可能已经是羽绒服、暖宝宝了，可是对于广州的用户来说，能推荐这些么？比如电影平台，今天最热门的新闻可能是一部国产儿童动画片，那么对于中青年男女用户是不是一定要围绕这个点去推荐呢？比如招聘平台，当下最热门的岗位可能是AI算法工程师、python开发，但是对于产品经理来说有效信息几乎等于零。关键结论：结合平台当下的热门资源以及获得的用户基本属性，尽可能多的进行不同品类曝光，避免单一品类热门资源影响总体效果。

用户主动提供的兴趣内容针对新用户，可以让用户在首次访问时主动提供自己感兴趣的内容，此方案需与其他产品模块进行联动，通过用户主动圈定可快速了解用户喜好从而在冷启动场景有较为精准的召回候选集。比如种草类，让用户选择化妆品、电子产品、男装/女装、美食等；比如新闻类，让用户选择实时热点新闻、娱乐新闻、生活八卦、职场宝典等；比如旅游类，让用户选择心仪的目的地类型，亲子欢乐、浪漫情侣、海岛度假、历史寻迹等。

用户来源渠道（针对有投放渠道跟踪的场景）对于通过广告投放等渠道进入的新用户，如果平台对投放渠道有相应的跟踪机制，那么用户进入平台后，可根据所在投放渠道具体投放的内容进行个性化推荐。一般来说，目前外部广告投放也会针对不同的渠道不同的人群投放不一样的物料，推荐模块可将各个渠道投放的物料进行打点分类标记，同一物料可打多个相关的标签，在明确吸引用户来到平台的那个触动点之后，对于用户进行同等维度内容或资源的推荐，沉淀转化效果一定不错。

策略2：注册用户的手机号、位置信息（定位、常住地、收货地址等）、性别等对于已经注册的用户来说，一般我们能够拿到用户的手机号、相关位置信息以及其他一些静态信息（诸如年龄、职业、学历、婚姻状态、是否有小孩儿等），此类静态信息相对比第一种场景更加丰富，而此时的冷启动策略也需要具体细分到每一个信息点的挖掘。比如手机号和位置信息，除了策略1种的方案，还可以判断用户的常住地、家乡等，对于出行行业来说，国家法定假日等是否可以给用户提供往返交通，异地场景十分可以推荐酒店；比如年龄，可以参照数据库中已有较明显的兴趣倾向的不同，对于电商、短视频等行业来说，年轻用户更倾向于美食、穿搭、潮流、萌宠等，而中老年用户则更倾向于养生、健康提醒、生活妙招、太极广场舞等；比如是否有小孩儿，对于住宿行业可以提供有家庭房的酒店，对于出行行业提供儿童票婴儿票相关信息，对于电商则可推荐儿童玩具及教育相关的内容等。

策略1：未注册的用户位置信息授权对于未注册用户，我们所拥有的用户信息少之又少，几乎等于没有。一方面平台当然希望首次到访的用户进行注册，但仍旧会有一部分用户跳过了注册步骤，通过游客身份体验产品功能，这时如果平台本身有弹窗请求获取用户授权之后的定位信息，那这个信息对于从用户角度进行冷启动还是非常有用的。当你获得了用户的定位信息之后，大的范围是省份、城市（如电商、旅游平台），小的范围可能定位到街道楼宇（如外卖、打车平台），此时的冷启动策略则是根据平台已有的相应省份、城市或街道楼宇用户的行为提取出来，获取近期一段时间的热门资源作为此类用户的推荐内容。

从今日头条到淘宝京东，推荐系统已然成为各家app或网站的标配，只要它的内容或商品sku足够丰富，那么它一定会用到推荐系统。简单来说，个性化推荐就是平台会根据用户的个人信息（静态信息&动态信息）及产品信息，为不同的用户在不同的场景提供不同的内容或商品的推荐。推荐系统的理论基础在于，用户具有异质性，其前提条件是平台拥有足够多的用户和资源（内容或商品等）。在推荐相关的产品中，大家的焦点总是在算法模型的升级迭代和效果提升上，这样的内容层出不穷也更容易获得关注，但实际做推荐模块的产品和开发一定会遇到一个绕不开的难题，那就是：推荐系统如何进行冷启动。本文将结合实际工作的经验总结为大家提供几个冷启动的方法策略，不涉及算法。冷启动问题的目标用户：1、新到访用户或新注册用户；2、行为轨迹非常稀疏、个人信息基本没有的用户；3、低频应用场景相关行业的用户；

很多产品做着做着就成了烂尾楼，产品经理的共同理想是从0到1建造一个完全融合自我理念的房子，那是一个完美花园。奈何，现实情况是大多数产品经理接到需求的都是房屋的二次改造工程。虽然说没有技术实现不了的需求，遇到有的需求，程序员誓死不接。说需求可以做，但产品可能随时会崩溃。《给产品经理讲技术》作者援引了一个很恰当的故事：隔壁老王原来家里有两室一厅的平房，一个卧室改成了书房，两口子和刚出生不久的儿子住在大卧室里，日子过得还算滋润。儿子长大了，老两口就计划在平房上再盖一层，让儿子住二楼，以后结了婚也可以把二楼当婚房使用。又过了几年，儿子娶了媳妇。儿媳妇在二楼住了不久，开始抱怨二楼没有阳台，连个晒衣服的地方都没有。于是老王两口请来设计师，准备给二楼添个阳台。设计师说：“这个二楼本身就是在平房上加盖的，楼梯设计的不规范，上下楼不安全，而且原来的平房承重结构勉强承担现在两层楼的重量，如果再从二楼外延出阳台，很可能超出系统承重的极限，一旦出现问题，后果不堪设想。”建房子如此，做软件设计也是如此。一个好的产品必然具有好的扩展性，但扩展性也有一定的限度。

内容在发布之后，通常会经历这些步骤：黑名单过滤、机器审核、人工初审（打压）、流量分发（随机流量）、人工复审（标注、推荐）、流量分发（算法竞赛）、出池/沉底。有人可能会质疑，社区产品的使命不就是让每个生产者的内容都能被看到吗？为什么会有“让谁的的内容被看到”这种命题？人人平等是慈善，做生意就一定有歧视。毕竟我们要做并不是发现每一条优质内容，而是让发现优质内容的概率与效率变高。无论是冷启动社区，还是抖音快手这种顶流，流量都是有限的，把流量分给有优质内容生产能力的用户：一方面可以提高流量的利用效率；另一方面也可以提高被消费的内容质量，是内容推荐工作的第一步。

按照英国伯明翰大学法学院和计算机学院的教授凯伦·杨（Karen Yeung）的定义，算法规制是指通过算法来规制某个领域的决策系统，通过从受规制环境相关的动态组件实时和持续的产生和搜集数据，通过知识的计算生成以及智能化的应用，实现三个方面的目标：1.第管控特定应用的风险；2.改变用户群体的行为；3.实现自动优化的操作，来推动系统预定目标的形成。事实上，算法规制在数字经济领域无处不在。例如我们看到类似今日头条这样的新闻应用会通过推荐算法来监管用户的发布和浏览行为，或者抖音这样的短视频平台会通过算法决策系统来实现内容的发布和流量的管理。我们可以认为算法规制体现了一种风险管理的技术机制，这种机制的覆盖范畴从使用应用的个体到某个平台的所有群体，其作用就是在设定特定目标下利用算法系统指导和影响这些群体。可以看到：算法规制的模式是一种基于“设计”思想的控制模式，从治理层面来说，算法规制可以看作一种协调数字生态中特定活动的社会秩序的输出形式。正因为如此，算法规制在学术界被认为是一种双刃剑。