用户的交互行为

• 交互行为：点赞，收藏，转发，关注，评论等等，这些交互行为通常意味着用户对物品感兴趣
• 推荐系统如何利用交互行为？
  • 模型将交互行为当作预估的目标
  • 将预估的点击率，交互率做融合，作为排序的依据
• 交互行为有没有其他用途？

关注

关注量对留存的价值

• 对于一位用户，他关注的作者越多，则平台对他的吸引力就越强
• 用户留存率 $(r)$ 与他关注的作者数量 $(f)$ 正相关
• 如果某用户的 $f$ 较小，则推荐系统要促使该用户关注更多作者
  
• 如何利用关注关系提升用户留存？
  • 方法1：用排序策略提升关注量
    • 对于用户 $u$，模型预估候选物品 $i$ 的关注率为 $p_i$
    • 设用户 $u$ 已经关注了 $f$ 个作者
    • 我们定义单调递减函数 $w(f)$，用户已经关注的作者越多，则 $w(f)$ 越小
    • 在排序的融分公式中添加 $w(f)\cdot p_i$，用于促进关注（如果 $f$ 小且 $p_i$ 大，则 $w(f)\cdot p_i$ 给物品 $i$ 带来很大加分）
  • 方法2：构造促关注内容池和召回通道
    • 这个内容池中物品的关注率高，可以促关注
    • 如果用户关注的作者数量 $f$ 较小，则对该用户使用该内容池
    • 召回配额可以固定，也可以与 $f$ 负相关

粉丝数对促发布的价值

• UGC 平台将作者发布量，发布率作为核心指标，希望作者多发布
• 作者发布的物品被平台推荐给用户，会产生点赞，评论，关注等交互
• 交互（尤其是关注，评论）可以提升作者发布的积极性
• 作者的粉丝数越少，则每增加一个粉丝对发布积极性的提升越大
• 用排序策略帮助低分新作者涨粉
  • 某作者 $a$ 的粉丝数（被关注数）为 $f_a$
  • 作者 $a$ 发布的物品 $i$ 可能被推荐给用户 $u$，模型预估关注率为 $p_{ui}$
  • 我们定义单调递减函数 $w(f_a)$ 作为权重；作者 $a$ 的粉丝越多，则 $w(f_a)$ 越小
  • 在排序融分公式中添加 $w(f_a)\cdot p_{ui}$，帮助低分作者涨粉

隐式关注关系

• 召回通道 U2A2I：user → author → item
• 显式关注关系：用户 $u$ 关注了作者 $a$，将 $a$ 发布的物品推荐给 $u$（点击率，交互率指标通常高于其他召回通道）
• 隐式关注关系：用户 $u$ 喜欢看作者 $a$ 发布的物品，但是 $u$ 没有关注 $a$
• 隐式关注关系的作者数量远大于显式关注。挖掘隐式标注关系，构造 U2A2I 召回通道，可以提升推荐系统核心指标

转发（分享）

• A 平台用户将物品转发到 B 平台，可以为 A 吸引站外流量
• 推荐系统做促转发（也叫分享回流）可以提升 DAU 和消费指标
• 简单提升转发次数是否有效呢？
  • 模型预估转发率为 $p$，融分公式中有一项 $w\cdot p$，让转发率大的物品更容易获得曝光机会
  • 增大权重 $w$ 可以促进转发，吸引站外流量，但是会负面影响点击率和其他交互率

KOL建模

• 目标：在不损害点击和其他交互的前提下，尽量吸引站外流量
• 什么样的用户的转发可以吸引大量站外流量？
  • 其他平台的 Key Opinion Leader（KOL，也就是所谓的大 V）
  • 用户 $u$ 是我们站内的 KOL，但他不是其他平台的 KOL，他的转发价值大吗？不大！
  • 用户 $v$ 在我们站内没有粉丝，但是是其他平台的 KOL，他的转发价值大吗？大！
• 如何判断本平台的用户是不是其他平台的 KOL？
  • 该用户历史上的转发能带来多少站外流量
• 识别出站外 KOL 后，该如何用于召回和排序？
  • 方法1：排序融分公式总添加额外的一项 $k_u\cdot p_{ui}$
    • $k_u$：如果用户是站外 KOL，则 $k_u$ 大
    • $p_{ui}$：为用户 $u$ 推荐物品 $i$，模型预估的转发率
    • 如果 $u$ 是站外 KOL，则多给他曝光他可能转发的物品
    • 只有少数人这个项有作用，靠他们吸引站外流量
  • 方法2：构造促转发内容池和召回通道，对站外 KOL 生效

评论

• UGC 平台将作者发布量，发布率作为核心指标，希望作者多发布，丰富平台的内容池
• 关注，评论等交互可以提升作者发布的积极性
• 如果新发布物品尚未获得很多评论，则给预估评论率做提权，让物品尽快获得评论
• 排序融分公式额外添加一项 $w_i\cdot p_i$
  • $w_i$：权重，与物品 $i$ 已有的评论数量负相关
  • $p_i$：为用户推荐物品 $i$，模型预估的评论率

评论的其他价值

• 有的用户喜欢留评论，喜欢和作者，评论区用户互动
  • 给这样的用户添加促评论的内容池，让他们更多机会参与讨论
  • 有利于提升这些用户的留存
• 有的用户常留高质量评论（评论的点赞量高）
  • 高质量评论对作者，其他用户的留存有贡献（作者，其他用户觉得这样的评论有趣或有帮助）
  • 用排序和召回策略鼓励这些用户多留评论

总结：利用交互行为