#內容推薦# 3 內容推薦：探索與資訊繭房

提及個性化推薦，一個常見的誤解是使用者什麼喜歡推薦什麼，最終會將使用者限制在資訊繭房之中。

資訊繭房其實關聯了推薦領域的一個經典問題：Exploitation（利用已有興趣推薦）和Exploration（探索新的興趣）。推薦系統勢必要在E&E之間取平衡和折衷。

推薦系統真的會把你陷入資訊繭房麼？

首先給出個人結論：探索是一個推薦系統必須做且需要做好的事情。如果推薦系統只推薦給你喜歡的內容，那其實說明它沒有做的足夠好。

下面慢慢絮叨原因。

站在利益角度，探索是必須的

其一，從使用者產品來看，單個興趣點的內容供給是不足夠支撐使用者停留時長的，並將進一步影響使用者的留存。

以科技為例，一天的新聞、評論總數是有上限的，超過這個上限，內容質量必然得不到保證，從而影響使用者的消費體驗。只有儘量挖掘使用者的興趣點，才能夠不斷拓寬使用者內容推薦的候選集合，實現推薦效果的最最佳化。

其二，從推薦效果來看，使用者行為是另一種維度的資源。在User-Based的協同過程中，使用者體量越大，越能夠產出有密度的行為，才能夠讓內容的消費屬性被更好的刻畫。

其三，從商業化來看，也是較直觀的判斷。使用者興趣點越廣泛，其可被推薦的廣告內容才越多，變現價值才越高。

站在利益角度，探索的執行是有策略的

興趣的探索過程，是一個完善使用者畫像的過程。

如前所述，只要是探索就會有損失，產品的職責就在於如何儘量降低這種探索損失。

首先，是從產品內和產品外劃分。

探索發生在產品外部

用一切方式從產品外部補全使用者資訊，讓使用者在使用我們提供的服務時已經有相對豐富的畫像資訊。即，讓使用者的冷啟動過程體驗更好。

微博登陸是一個最常見的方式，透過採集微博的關注關係，有助於我們更好的理解一個賬號。

邀請使用者上傳手機通訊錄，使用者的社會關係一定程度反映了使用者本身。（在如今的微信年代，這種關係事實上變弱了）

其他……

其次，在產品內部從使用者和內容的角度劃分。

探索發生在使用者耐受度更高的場景上

首先要明確的概念是：使用者只有留存下來了，才有進一步探索的可能性。因此，要儘可能挑選那些使用者耐受度更高的場景中應用探索，才符合產品的利益最大化。

比如，新老使用者的劃分，網路場景的劃分、時間維度的劃分等等。找到使用者有耐性、有時間的場景裡去做新興趣點的探索，才能減少對時長的影響。

探索發生在更值得推薦的文章上

既然要進行探索，一個直觀的判斷就是選取那些具有類目代表性的，有一定質量的內容進行探索。

舉一個場景，如果對於一個使用者要推薦籃球的內容，自然應該選擇推薦NBA類目下高質量的高熱內容。NBA是籃球領域最具代表意義的賽事，高熱和高質量能夠讓內容更具有消費性。

一個高質量的探索集合，能夠保證使用者即便看到了自己非感興趣的內容，體驗也相對可控。典型的應用例子如Yahoo Today Module：

Yahoo Today Module每天的Content Pool其實並不大。這裡面都是網站編輯精選了的大概100篇文章。這些文章原本的質量就非常高。無論是這裡面的任何一組，使用者體驗都沒有明顯變差。

或許，從終極意義上來說，每款產品都希望構建一個足以留住使用者的資訊繭房。我想，這樣的繭房一定會大到使用者感知不到。

有興趣瞭解更多的，可以檢視：

論推薦系統的Exploitation和Exploration