打造冷启动：走出先有蛋还是先有鸡的困境

本文讲冷启动问题归为三类：用户冷启动、物品冷启动、系统冷启动，并针对性地介绍了其中的操作思路与注意要点。

冷启动（cold start）在整个推荐系统中，是一个重要的开始。推荐系统一般需要在大量的数据基础上才能比较准确的进行推荐，APP的冷启动可能直接决定着这个新用户会不会继续使用，新物品的冷启动也影响着生产者的积极性，所以冷启动很重要。

冷启动问题分为3类：

1. 用户冷启动：新来的用户，应该给他推荐什么内容？
2. 物品冷启动：新来的物品，应该把它推荐给谁？
3. 系统冷启动：在“一穷二白”的基础上，新来的用户和没有推荐过的物品，怎么建立他们的关联？

用户冷启动思路

用户冷启动，最常见的场景就是新用户冷启动。一个新用户转化为老用户的路径是：新用户兴趣获取（构建冷启动用户初始画像）->内容消费和兴趣收敛->沉淀兴趣成为老用户。概括地说，第一步就是“千方百计”获取用户画像或让用户主动产生画像，有几种方法可以考虑。

利用用户的社会属性，如性别、年龄、地区等。在用户第一次打开APP的时候，很多APP会提示或留有入口供用户填写相关信息。即使用户不主动输入，也可以尝试从外部渠道（渠道画像、矩阵画像、applist等）引入画像信息（但需要注意用户重合度和相关度）。有了这些信息，就可以基于社会属性进行粗颗粒度的个性化推荐。

利用用户的关系链，可以借助运营活动收集（如支付宝活动收集好友关系、亲子关系）或从外部引入（第三方登录或开放API），基于“人以群分”的道理给用户推荐好友喜欢的内容。

利用热门内容，对用户“一无所知”的情况下，基于从众心理和二八定律，可尝试给用户推荐热门内容，这种方式主要注意热门的范围和算法，效果会比随机推荐好。利用高质量内容同理。

（左：微博，右：今日头条）

用户冷启动的指标可以关注新用户的画像指标（人均兴趣数、画像覆盖率、画像准确率等）及新用户活跃表现（点击率、留存等）。

假设一款国际APP，基于国籍和性别就能在一开始有一个比较好的推荐效果，它有什么办法获得这些信息？

1. 显性方式：如前文所说，让用户填写、引导或激励的方式都可以。
2. 隐性方式：用一些性别/国籍点击差异特别大的内容来猜用户性别、国籍，再开始有偏向的个性化推荐。

这类隐性探索，选取物品需要有技巧：

1. 热门：有一定的认知度，物品过于生僻，得到的结果大部分必定是“跳过”。
2. 代表性和区分性：物品与物品之间要有区分度，能表征用户的不同兴趣。
3. 多样性：由于人的兴趣多种多样，要注意尽可能覆盖，避免“无可选”的尴尬。

物品冷启动思路

利用物品内容推荐：

1. 物品相似推荐：找到和新物品属于同一类的内容，新物品搭上“顺风车”，进行相似推荐。
2. 物品相关推荐：基于专家的知识来建立起物品的信息知识库，建立物品之间的相关度。如知识图谱，通过一个已知节点和关系找到另一个节点，进行拓展推荐。
3. 例如某用户喜欢“周冬雨”（节点），周冬雨是电影《少年的你》的主演，通过这层关系关联到节点“少年的你”，因此将《少年的你》推荐给用户。

（图片来源于网络）

相关算法简介

期间涉及的常用算法有哪些？假设A用户是新用户，只有少量画像。

1. UserCF：基于用户的协同过滤，通过用户行为计算用户的相似度，找到和A用户相近的B用户，给A用户推荐B用户喜欢的物品。
2. ItemCF：基于物品的协同过滤，通过用户行为计算物品的相似度，找到和物品a相似的物品b，将物品b推荐给喜欢物品a的用户A。

 
                                                 

（左：UserCF，右：ItemCF）

3. ContentItemKNN：基于内容的过滤，根据物品的内容特征计算内容的相似度，找到和物品a相似的物品b，将物品b推荐给喜欢物品a的用户A。

UserCF和ItemCF使用的是同一份用户行为数据，只是统计维度不同。如下图简单示例（1表示用户点击了该物品），UserCF是横向计算用户的相似度，ItemCF是纵向计算物品的相似度。

UserCF、ItemCF在冷启动问题上都有“第一推动力”的问题。

UserCF，要让新物品先出现在用户展示列表，才有可能让更多的人对这个物品产生反馈，物品才能扩散出来，所以有一个第一推动力的问题，即第一个用户从哪里发现新物品。

ItemCF是隔段时间计算用户行为（日志庞大，较耗时）从而计算出物品相似度（如果大量用户看了物品a，同时也看了物品b，即认为这两个物品是相似的），输出一个物品相关度矩阵，新物品加入时并不会自动加入这个矩阵表，也需要有用户先发现这个新物品。

ContentItemKNN利用物品的内容特征计算物品相关表，可以频繁地更新相关表，没有第一推动力的问题。但它忽视了用户行为，从而忽视了用户行为中所包含的规律，结果精度低，新颖度高，效果一般不如协同过滤。但如果用户行为强烈受某一内容特征的影响，内容过滤算法有亮点。

前文提及的第一推动力问题，即物品冷启动问题，也称“新物品试投”，有什么办法解决？

新物品试投是“物品找用户”。如果是“用户找物品”，容易出现马太效应：热门分类曝光多，长尾现象严重。物品找用户的方式有两种：

1. 随机试投
2. 兴趣试投

假设我们定义曝光500次以下的物品是新物品（资讯类产品一般还有时间限制，如6小时内），将新物品和用户表征为多维向量，计算向量的距离，对较活跃用户分发，在冷启动阶段排序加权和重排限制。物品在冷启动阶段会有一个趋于稳定的点击率（或其他综合指标），该点击率是它后续流量分配的依据——根据小流量的点击率表现，表现好的物品进入下一个更大的流量池，表现差的物品被淘汰或降权。梯度流量分发策略是比较常见的个性化推荐“赛马机制”。

用哪些指标评估物品冷启动效果？

1. 模型准确度
2. 单位试投次数
3. 有效分发覆盖率
4. 物品优质率
5. 新物品推荐表现（点击率、时长等）

另外一点，还需要注意用户的上下文信息，包括时间信息、空间信息，走一些强规则。

例如电商APP，新用户在夏天登陆，就不应该推出羽绒服；在中秋节登录，就不应该推出端午节的资讯。但这不仅是在冷启动阶段，在整个推荐场景都应该留意用户的上下文信息。

备注：参考文献《推荐系统实践》项亮 编著