推薦演算法可以做到千人千面，但是千人千面的流量利用效率一定是優於人工分發嗎？

直觀的感覺是，「推給用戶ta可能喜歡的」，一定比「推給用戶大家都喜歡的」點擊轉化更高，但事實的確如此嗎？

劉彥彬winshy QQ音樂 高級產品經理 7天前 18:52

在絕大多數情況下，個性化推薦的效率都比傳統的編輯推薦高很多，一般會高出20%－30%。

但在個別case上，比如前段時間林肯公園主唱去世，QQ音樂的編輯推了林肯公園的一些歌單，在這類熱門事件上，熱門話題的傳播度和點擊率都會較高。

冷門或個性化的推薦通常會比較準確，比如你經常聽ACG，如果有天我給你推了鬼畜，可能並不是每個聽ACG的用戶都能接受。而如果推了其他流派音樂的經典曲目，通常點擊率等效果都會比較好。

因此個性化推薦本身是用戶喜歡的，但在熱門事件時推薦對應的音樂也會取得好的結果。

追問：除了爆點事件的case（比如剛提到的林肯公園），推薦演算法在點擊轉化上，會因為推薦應用場景的不同而效果不同嘛？

同一個商品在不同的場景下，點擊率肯定是有差別的。

比如在商品詳情頁下，用戶對該商品的目的很強，所以應該推這個商品相似的其他商品。但在用戶主頁上，用戶可能需要看到符合ta偏好的一系列商品。這樣，同一個商品出現在這兩個場景下，效果就會很不同。我們自己的實驗也證明了這一點。

查看更多優質問答

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！