type
Post
status
Published
date
Dec 5, 2022
slug
2022.12.05 广告推荐vs内容推荐
summary
2022.12.05 广告推荐vs内容推荐
tags
推荐
算法
广告
category
算天算地系列
icon
password
虽然搜广推听上去好像是一个东西，背后的推荐技术也相差无几，但是在优化的思路上却是差异巨大，我们简单盘一下这个事情。简单来说结论就是，广告推荐的本质是提升转化效率，内容推荐的本质做激励策略。
广告推荐
互联网广告的本质就是卖流量，核心诉求是广告收入，整体的算法优化方向是比较单纯的，在满足底线要求的情况下，自然 ECPM 高者得流量。而 ECPM 这个东西，其实是一个标准化的规则，就是算钱，无论是什么行业，无论是什么转化目标，统统都能算一个 ECPM 进行比较，充分体现了货币是一般等价物的经济学常识。于是广告推荐就要想办法尽可能精准地预估 ECPM，通过拆解 ECPM，来分部分地提升流量售卖的效率。
在这个约束下，广告推荐的算法同学主要关心的就是推荐的效率指标，比如点击率、转化率等等，可做的事情在广度上相对有限，只能在深度上不断挖掘，于是业界比较有效的一些模型结构、特征和最佳实践很多都是在广告推荐领域被最先研究出来的。
内容推荐
内容平台的本质就是吸引一波作者来生产内容，然后吸引一波用户来看，维护好这个生态，大家都认可的话，整体规模就能越滚越大，作者、平台、用户都能从中获得自己的利益，典型的如今日头条，抖音，快手这一类。
因此，要想做出一个优秀的内容平台，关键是要设计好一套游戏规则，即平台喜欢什么样的内容，不喜欢什么样的内容，对于喜欢的内容就多给流量，对于不喜欢的就少给流量。这个时候，推荐算法在一定程度上就代表了游戏规则，流量的方向就表明了平台对内容的态度。通过推荐算法扶持的内容和作者，就代表了什么样的内容是受欢迎的，通过这样的流量激励策略，建立好内容生态，最后这些成长起来的作者和内容才会反过来帮助平台形成品牌认知。
于是，做内容推荐的算法同学，大部分精力其实并不在召回/粗排/精排的模型结构优化和特征优化上 (当然这些也是很重要)，而是在紧密地和产品同学配合构建流量激励策略，确保这些优质内容有好的流量，这些优质作者有高的留存率。主要是做好如下几方面的事情：
- 发掘能代表用户兴趣的行为点，比如点赞、评论、收藏、不感兴趣等等，将这些目标综合起来形成对用户兴趣的近似刻画。综合导向要求提升用户体验，既能打压低质流量，又能提升优质内容的流量 (这个过程中，一些效率指标反而不是那么重要，比如点击率，单纯唯点击率论的话就很可能多出很多标题党和色情低俗的内容，短期可能数据一片大好，但不可长期持续发展)；
- 对于想做大的内容品类，在早期配合产品运营进行策略上的冷启动和扶持，让这些内容供给能顺利成长壮大，在平台上拿到相应的收益；
- 关注整体推荐画风的变化，对于长尾内容也能做好分发，处理好马太效应，关注各层级的作者成长状态 (比如粉丝数或者收入、留存率、粉丝层级跃迁率等)；
- 对于不同的人群圈层，也能有对应的优质内容供给，关注各圈层的用户体验，针对性地设计一些策略进行保护和优化。