移動(dòng)閱讀時(shí)代，文娛行業(yè)個(gè)性化推薦難點(diǎn)解析
閱讀行業(yè)潛力無(wú)窮
目前閱讀行業(yè)處于由PC端、實(shí)體書(shū)籍等向移動(dòng)端轉(zhuǎn)型后的產(chǎn)業(yè)升級(jí)階段，并且受國(guó)家政策傾斜，文娛消費(fèi)升級(jí)，閱讀方式變革以及科技持續(xù)更迭的推動(dòng)影響，行業(yè)整體發(fā)展環(huán)境一片大好。
數(shù)據(jù)顯示，2018年我國(guó)數(shù)字閱讀的行業(yè)規(guī)模達(dá)到了254.5億元，相較2017年增長(zhǎng)19.6%。與此同時(shí)，我國(guó)現(xiàn)有的數(shù)字閱讀的用戶規(guī)模約為4.3億人，相較2017年增長(zhǎng)14.4%。伴隨著數(shù)字閱讀行業(yè)的發(fā)展，可供讀者閱讀的書(shū)籍越來(lái)越多，讀者也越來(lái)越愿意為閱讀書(shū)籍付費(fèi)。
?
2013-2017年全國(guó)居民在教育文娛上的人均消費(fèi)支出
2014-2016年互聯(lián)網(wǎng)內(nèi)容提供商營(yíng)收及互聯(lián)網(wǎng)內(nèi)容產(chǎn)業(yè)產(chǎn)值規(guī)模
閱讀行業(yè)的需求
當(dāng)下閱讀類的app大致可以分為以下兩類：
- 以微信讀書(shū)為代表的通用類書(shū)籍閱讀app，這類app閱讀書(shū)籍的側(cè)重點(diǎn)是名著、歷史、傳記、教育等；
- 以起點(diǎn)為代表的網(wǎng)絡(luò)小說(shuō)閱讀app，這類app閱讀書(shū)籍的側(cè)重點(diǎn)是玄幻小說(shuō)、武俠小說(shuō)等。
由于書(shū)籍側(cè)重點(diǎn)不同，推薦的需求也有些許差別。用戶在使用通用類書(shū)籍閱讀app時(shí)一般都有相對(duì)明確的需求，例如a用戶是一名產(chǎn)品經(jīng)理，想找一些產(chǎn)品經(jīng)理的書(shū)籍，那么a大概率會(huì)在app上搜索“產(chǎn)品經(jīng)理”、“產(chǎn)品經(jīng)理技能”、“產(chǎn)品經(jīng)理手冊(cè)”等關(guān)鍵詞。這時(shí)app需要根據(jù)a用戶輸入關(guān)鍵詞推薦給a用戶想看的書(shū)籍。
所以，傳統(tǒng)書(shū)籍閱讀app推薦需求更加側(cè)重于搜索頁(yè)的推薦；而對(duì)于網(wǎng)絡(luò)小說(shuō)閱讀app的用戶，一般不會(huì)有較為明確的需求。一個(gè)用戶可能喜歡玄幻、都市、武俠、歷史等多種風(fēng)格的小說(shuō)。對(duì)于這類app的推薦需求更側(cè)重于作者頁(yè)、分類頁(yè)、熱門(mén)榜單等位置的推薦。
閱讀行業(yè)推薦難點(diǎn)
雖然app側(cè)重的書(shū)籍不同，但是推薦的難點(diǎn)大致相同相同。
1）如何進(jìn)行精準(zhǔn)推薦
使用搜索的用戶大多數(shù)都是有相對(duì)明確的“需求”，app如果不能根據(jù)用戶搜索的關(guān)鍵詞推薦給用戶想看到的書(shū)籍，那么會(huì)在一定程度上造成用戶流失；
2）如何把握用戶興趣
用戶的興趣是多種多樣的，一個(gè)用戶可能喜歡玄幻、都市、武俠、歷史等多種風(fēng)格的小說(shuō)，如果不能深度挖掘用戶的興趣，結(jié)果必然是用戶粘度降低；
3）冷啟動(dòng)問(wèn)題??
一直都是推薦系統(tǒng)核心的技術(shù)問(wèn)題：冷啟動(dòng)問(wèn)題大致可以分為三類，第類用戶的冷啟動(dòng)，一個(gè)新用戶進(jìn)到app之后如何生成推薦結(jié)果，如何保證用戶的留存率，從而提高付費(fèi)轉(zhuǎn)化率；第二類是物品的冷啟動(dòng)，對(duì)于閱讀行業(yè)來(lái)說(shuō)，物品冷啟動(dòng)可以理解為一本新的書(shū)如何進(jìn)行曝光和推薦。要知道新書(shū)籍質(zhì)量是參差不齊的，當(dāng)我們無(wú)法確認(rèn)新書(shū)籍質(zhì)量的時(shí)候，我們?cè)撛趺促x予新書(shū)籍曝光。第三類為系統(tǒng)冷啟動(dòng)，當(dāng)一款新的app，既沒(méi)有用戶數(shù)據(jù)也沒(méi)有行為數(shù)據(jù)的時(shí)候，我們?cè)撊绾螢橛脩敉扑]；
4）信息繭房、馬太效應(yīng)??
這兩個(gè)也是推薦技術(shù)的核心問(wèn)題，具體表現(xiàn)為信息越推越窄，例如a用戶看過(guò)玄幻類的書(shū)籍，那么推薦列表中展現(xiàn)的可能都是玄幻類的書(shū)籍，這樣一來(lái)對(duì)用戶興趣的探索和發(fā)現(xiàn)就變得更加困難。
達(dá)觀智能推薦通過(guò)用戶行為信息、用戶畫(huà)像等內(nèi)容，及時(shí)把握用戶的喜好；通過(guò)豐富的經(jīng)驗(yàn)和獨(dú)創(chuàng)的CLUB(online clustering bandits)算法自適應(yīng)調(diào)整新用戶推薦結(jié)果，同時(shí)“三級(jí)火箭”架構(gòu)保障系統(tǒng)穩(wěn)定和毫秒級(jí)反饋，新用戶一旦產(chǎn)生行為數(shù)據(jù)，達(dá)觀智能推薦系統(tǒng)會(huì)秒級(jí)計(jì)算并生成新的用戶畫(huà)像，確?？焖倬徑饫鋯?dòng)問(wèn)題。目前達(dá)觀智能推薦已成功服務(wù)了招商銀行、浦發(fā)銀行、虎撲、澎湃新聞、英語(yǔ)趣配音、wifi萬(wàn)能鑰匙、樂(lè)友、POP服裝趨勢(shì)等數(shù)百家新聞資訊、電商、社交軟件等多個(gè)行業(yè)企業(yè)。
