从零开始构建企业级推荐系统

1 .从零开始构建企业级推荐系统 gongyouliu 

2 . ⾃自我介绍 ⾃自我介绍 09年年毕业，从事⼤大数据与AI近⼗十年年，有9年年推荐系统算法研究及⼯工程实践经验 业余喜欢读书、暴暴⾛走、写技术和深度思考类⽂文章，维护“⼤大数据与⼈人⼯工智能”和“gongyouliu”两个公众号 公司及⼯工作介绍 电视猫MoreTV是⼀一款基于智能电视以及互联⽹网机顶盒的视频应⽤用 ⼤大数据基础架构、数仓、BI、搜索、推荐、NLP等 电视猫从12年年开始做推荐系统到现在差不不多8年年 

3 . Agenda • 1. 你的产品需要推荐系统吗? (why) • 2. 让谁来搭建推荐系统? (who) • 3. 在产品的什什么阶段搭建推荐系统? (when) • 4. 搭建什什么样的推荐系统? (what、where) • 5. 怎么搭建推荐系统? (how) • 6. 构建推荐系统的资源投⼊入 (how much) • 7. 对推荐系统的价值预期 (how feel) • 8. ⼏几个具体实⽤用的建议 

4 .1. 你的产品需要推荐系统吗？(why) 

5 . 需要满⾜足两个条件 产品提供的信息或者服务⾜足够多 ⾯面向C端⽤用户提供海海量量信息服务 ⽤用户规模最够⼤大 推荐系统是未来产品的标配，只要满⾜足上述条件，建议搭建推荐系统 

6 .下⾯面这些类型的产品都是可以做推荐的 

7 .2. 让谁来搭建推荐系统？(who) 

8 .可通过三种⽅方式搭建推荐系统 更更好掌控，更更贴近业务 ⾃自建推荐系统 ⼈人才少，固定成本⾼高 资产轻，不不需要⾃自⼰己建团队 通过外包构建推荐系统 维护成本⾼高，迭代麻烦 可以快速构建 购买推荐系统云服务 通⽤用⽅方案，⽆无法很好匹配公司业务 建议：如果推荐作为产品核⼼心功能，⾃自⼰己搭建，否则购买云服务 

9 .3. 在产品的什什么阶段搭建推荐系统？(when) 

10 . 在早期阶段做推荐 在产品的起步阶段、成⻓长阶段搭建推荐系统 充分利利⽤用AI红利利，发挥推荐的价值 试错成本更更低，船⼩小好调头 更更好巩固推荐系统在产品中的地位 

11 .4. 搭建什什么样的推荐系统？(what、where) 

12 .可搭建三类推荐系统 放在详情⻚页中 相似推荐 详情⻚页是⽤用户接触最频繁的位置 “快消类”产品，构建信息流推荐 个性化推荐 放到⾸首⻚页，更更多的⽤用户触点 可以快速构建 排⾏行行榜推荐 通⽤用⽅方案，⽆无法很好匹配公司业务 

13 .

14 .5. 怎么搭建推荐系统？(how) 

15 . 关键点 快：尽快上线 简单：模型简单、架构简单 

16 . 产品起步阶段搭建推荐系统 TF-IDF算法 新闻资讯类产品 相似推荐：可以计算⽂文本相似度 个性推荐：平均向量量、类item-based⽅方法、⽂文本聚类(KNN)等三类⽅方法 ⻓长视频(PGC)：基于标签推荐(向量量化、倒排索引)、结构化metadata 视频类产品 短视频(UGC)：基于标签推荐(向量量化、倒排索引) 相似推荐：在同⼀一类⽬目下计算相似 电商类产品 个性推荐：内容倒排索引推荐 

17 .

18 . 成⻓长阶段产品搭建推荐系统 算法：协同过滤(item-based)、矩阵分解 架构：采⽤用Spark等成熟的分布式平台，⼀一站式解决数据分析&推荐 

19 .6. 构建推荐系统的资源投⼊入？(how much) 

20 . 需要两类资源投⼊入 ⼈人⼒力力投⼊入：资源复⽤用、“赶鸭⼦子上架”、外部招聘有经验的 计算资源投⼊入：购买⼤大数据相关云服务，不不要⾃自⼰己维护存储和计算平台 尽量量节省资源，关注ROI 

21 .7. 对推荐系统的价值预期？(how feel) 

22 .4个维度评估推荐的价值 增⻓长体验：⽤用户留留存、活跃、停留留时⻓长 商业价值：节省⼈人⼒力力成本、促进变现 效率提升：提升内容分发效率、提升运营效率 ⽣生态繁荣：⽤用户、平台、内容提供⽅方达到稳定平衡 

23 .8. ⼏几个具体实⽤用建议 

24 . 建议 简单算法、快速上线 打造业务闭环(有指标体系、有AB测试平台) 推荐专⼈人负责制 以业务⽬目标为导向⽽而⾮非技术导向 

25 .Thanks for your attention