1.3.4 推荐系统是怎么应用于信息流的

在流媒体日益发展的今天，出现了集新闻、视频、广告、直播、小说等功能为一体的信息流。信息流，顾名思义，就是信息流量，可展现给用户大量的信息内容，不局限于某一类内容，而是包罗万象的信息大集合。

信息流根据应用的功能不同会有所侧重。比如，电商类App的信息流主要是商品相关的图片和视频，新闻类App的信息流主要是新闻和中小视频，视频网站的信息流主要是视频和评论。信息流所展现的内容不再具有单一性，而具有多元性。换句话说，也可以将信息流当作一个个推荐板块的入口。比如，用户点击了直播板块，那么用户就会进入直播的板块界面，直播推荐就会接力信息流推荐，让用户继续留存在App内。因此，个性化推荐就显得异常重要了，否则用户就会迷失在庞大的无效信息内容中，产生负向反馈。

图1-12是著名新闻App T的推荐信息流首页，第一栏是搜索框，搜索框里面有个性化词条的推荐。下面是官方必备的置顶栏。置顶栏之后是带有官方色彩的个性化新闻，之后是图文形式的个性化新闻。可以看出，App T的信息流首先还是官方的新闻，然后才是个性化的图文新闻。

图1-12 著名新闻App T的推荐信息流首页（1）

再往下滑动，如图1-13所示，我们可以清晰地发现，展示的内容有了很大的不同。如图1-13的左图所示，开始出现了两个10min以上的长视频和一条小说书评。继续下滑，如图1-13的右图所示，开始出现了两个短视频小卡、一个长视频中卡和一条广告信息。

很明显，信息流展现的内容是动态变化的，除了官方内容必须在首页展示外，信息流会随时根据用户的当前状态改变展现的内容，而且每一次刷新都会展现不同的内容，从而尽快找到用户的兴趣点，增加用户在App内的留存时间。

从图1-12和图1-13也可以明显看出，短短的3刷，信息流展现的内容就包括了官方新闻、主流媒体新闻、长视频、个性化图文、小说评论、短视频和个性化广告。在企业中，这些内容板块很多时候是由不同的推荐团队负责的，只是每个板块的展现流量是不同的。可以说推荐系统贯穿了整个信息流的生命周期，并且毫不夸张地说，推荐系统的好坏直接决定了信息流的命脉。因为一旦信息流的个性化丧失，用户很快就会感觉到无聊或者反感而退出App，甚至卸载App，因为信息流的主要存在目标就是用户留存，而用户留存的关键因素就是个性化和内容库。内容库保证了信息流有足够的资源展现给用户，而个性化决定将哪些资源展现给用户。

上面我们谈到信息流的个性化板块是多种多样的，但是，信息流的坑位却是固定的。因此，为每个坑位选择内容也是推荐负责人和产品负责人需要仔细考虑的问题。一种比较常见的处理方式就是将问题看作广告混排去处理，另一种就是根据各个业务不同的需求进行流量分配。

图1-13 著名新闻App T的推荐信息流页面（2）

此外，对于用户的每一刷也是很有讲究的。比如在上面的案例中，整个信息流推荐系统对用户的每一刷展现不一样的内容，竭尽全力地吸引用户的注意力，让用户去点击展示的内容。一旦用户点击了某一条内容，接下来就是一套组合个性化推荐，从而让用户花费更多的时间在App内。这里，读者可以做一个实验，首先选择一款有信息流的App，然后选择一个感兴趣的视频并点击，接着将会进入一个视频界面，看完这个感兴趣的视频后它会自动跳到下一个视频，你会发现这也是自己感兴趣的视频。当然，如果恰好你不感兴趣，那么系统会指示你滑走，进入下一个视频，你就会慢慢沉迷于这个上下滑动视频的过程，从而增加了App的使用时长。

上述过程中，推荐算法和运营的个性化策略显得尤为关键。运营会尽可能地运用数据分析和用户画像让用户去点击物料，最开始被点击的物料称为钩子，也就是一种开启用户个性化推荐的开关，而推荐算法可让用户进入个性化推荐的状态，让用户沉浸在信息流的个性化信息中。