2006年，一家通過租用傳統(tǒng)DVD影片發(fā)跡的網(wǎng)站netflix宣布了一個(gè)消息：他們將舉辦一次大賽，第一個(gè)能夠?qū)⒃摼W(wǎng)站推薦效果提升10%的團(tuán)隊(duì)將會獲得100萬美元的獎金。消息甫一公布，世界各地的團(tuán)隊(duì)無不踴躍參與，紛至沓來。最終，歷經(jīng)三年時(shí)間，前后一百八十多個(gè)團(tuán)隊(duì)的較量，一支名叫“BPC”的團(tuán)隊(duì)率先突破障礙，以10.06%的改進(jìn)效果獲得了這份百萬大獎。他們算法是怎么做到的呢，讓我們留個(gè)懸念，文章結(jié)尾再做說明。

而通過這次百萬大獎賽，netflix升級了自家網(wǎng)站的算法，在工程師中塑造了財(cái)大氣粗的大公司形象，發(fā)掘了無數(shù)優(yōu)秀算法人才，可謂一舉多得。更重要的是，它向用戶普及了“推薦”這個(gè)概念，并在用戶心目中將推薦這個(gè)概念與netflix網(wǎng)站劃上了等號，從此用戶使用netflix時(shí)對它的推薦系統(tǒng)有了更直觀的價(jià)值參照物——一百萬美金，天然產(chǎn)生信任感和參與感，不可不謂高明之至。

下面，就讓我們看看，netflix耗時(shí)三年開發(fā)、花費(fèi)百萬、吸引無數(shù)業(yè)界精英關(guān)注的推薦系統(tǒng)都有哪些特性。

為每個(gè)用戶建立畫像

打開netflix，首先彈出的是角色選擇窗口，通過一句親切的詢問”who’s watching“，netflix迅速定位到用戶的年齡、性別、過去看過的視頻，甚至好友信息，并據(jù)此產(chǎn)生一個(gè)瀑布流主頁，結(jié)合獲取到的信息為用戶推薦符合口味的影片和電視劇。

讓用戶知道為什么而推薦

Netflix推薦系統(tǒng)中一個(gè)非常重要的特性就是”推薦理由“，在每個(gè)推薦板塊中，用戶能夠清楚地知道為什么獲得這些推薦結(jié)果。這些理由都是些口語化的句式，比如：”因?yàn)槟憧催^**“，”我們猜你喜歡**“等等。這個(gè)舉措不但會給用戶帶來信任感，還會鼓勵他們更積極地參與到推薦互動中來，給予更多有效反饋。

注重多樣性

如果認(rèn)為netflix的推薦就是一行一行視頻海報(bào)組成的瀑布流，那你就錯(cuò)了，它的推薦綜合了多種形式，并且很注重多樣性。同一個(gè)首頁中，不僅會根據(jù)用戶曾經(jīng)看過什么、也許會有的喜好推薦，netflix還專門開辟區(qū)域，為用戶推薦當(dāng)天或當(dāng)周最熱的視頻-即topN為用戶推薦。這些舉措在最大限度滿足用戶喜好的同時(shí)，為發(fā)現(xiàn)更多用戶喜愛影片提供了可能。

利用好友鏈

Netflix鼓勵使用facebook登陸，因?yàn)橐粋€(gè)Facebook賬號在帶來用戶身份特征的同時(shí)，還有一項(xiàng)非常重要的作用，那就是它所關(guān)聯(lián)的好友圈，這個(gè)圈就是用戶的互聯(lián)網(wǎng)社交圈，所謂物以類聚人以群分，通過好友們正在觀看的視頻，能更準(zhǔn)確地推算用戶喜好。

Genre系統(tǒng)

這是netflix最強(qiáng)大，也是最核心的推薦理念之一。這些“基因”可以廣泛如“喜劇”、“正劇”這些包括成千上萬的分類概念，也可以細(xì)分如”80年代的時(shí)間旅行科幻電影“這種主題。每個(gè)基因下限制一個(gè)影片集合，再按照影片本身屬性與該基因吻合程度排序。

一個(gè)用戶會看到什么樣的基因內(nèi)容呢？這個(gè)就要結(jié)合前面所有特征：用戶角色、瀏覽歷史、多樣性、好友信息等等，再糅合保證讓用戶有足夠新鮮感的更新特征，最終選擇合適的genre展現(xiàn)在用戶面前。在用戶瀏覽每個(gè)基因下的影片時(shí)，netflix還會采取手段吸引用戶為基因的合理性打分。

相似度系統(tǒng)

Netflix除了top N和genre系統(tǒng)外，還有一個(gè)重要的推薦形式，被netflix穿插在推薦系統(tǒng)中，那就是相似度推薦。這個(gè)相似度推薦可以是兩個(gè)影片的相似度，也可以是兩個(gè)用戶的相似度，它可以出現(xiàn)在播放頁里，也會出現(xiàn)在搜索結(jié)果中，甚至首頁timeline中，作為一個(gè)genre出現(xiàn)。

推薦系統(tǒng)發(fā)展到現(xiàn)在，已經(jīng)是一個(gè)擁有無數(shù)工程師、眾多分支共同發(fā)展的成熟體系，它在大部分網(wǎng)站中也均有應(yīng)用。以上提到的種種特性，可以說是凡有推薦網(wǎng)站都會或多或少采用的推薦措施。

但是Netfilx推薦系統(tǒng)的強(qiáng)大之處在于它的將這些特性完美地綜合在了一起，在主頁上你會看到topN型的推薦，也會看到genre型推薦，還會看到根據(jù)歷史的相關(guān)推薦，但它同時(shí)保持了界面的簡潔，每個(gè)推薦都有適當(dāng)?shù)睦碛桑屇阋谎劬椭浪鼮槭裁磿霈F(xiàn)在timeline里。這正符合了推薦的作用：讓用戶最快最簡便地找到所需信息。

結(jié)語

最后，讓我們揭開懸念，看看價(jià)值百萬美金的算法究竟是什么樣子：獲勝團(tuán)隊(duì) BPC 的算法的高明之處在于考察了用戶評級數(shù)據(jù)中的時(shí)間和“頻率”， 用戶在為影片打分時(shí)往往帶有情緒影響，而情緒是與時(shí)間有關(guān)的。

另外， 用戶的口味也許隨著時(shí)間的變化而變化； 對比一位用戶五年之前的打分和他最近的打分，肯定他最近的打分更為準(zhǔn)確地反映了他當(dāng)前的好惡標(biāo)準(zhǔn)，在決定他明天可能喜好哪些電影時(shí)所起的作用更大。于是 BPC 團(tuán)隊(duì)就研究用戶評分的結(jié)果與他們打分的時(shí)間以及頻率之間的關(guān)系，建立了相關(guān)性模型。

比如用戶在周一和周五在打分時(shí)所用的標(biāo)準(zhǔn)有差異，有些用戶在周日的情緒最好，這時(shí)所打的分?jǐn)?shù)比平時(shí)偏高。通過這樣的分析，他們能更精確地發(fā)現(xiàn)用戶對電影的喜好口味，進(jìn)而對他們打分的規(guī)律預(yù)測得更為準(zhǔn)確。

據(jù)我所知，netflix已經(jīng)發(fā)布了第二次百萬大獎賽的懸賞。這一次，這個(gè)以傳統(tǒng)DVD租賃開始，卻以先進(jìn)推薦技術(shù)笑傲群雄的網(wǎng)站，又會給我們帶來什么驚喜呢，讓我們拭目以待。

?

作者：linz，來自樂視創(chuàng)新與用戶體驗(yàn)研究院（LetvIUEI）。樂視IUEI是一個(gè)技術(shù)交流平臺，將第一時(shí)間向行業(yè)展現(xiàn)樂視最新的技術(shù)成果、項(xiàng)目經(jīng)驗(yàn)與工作感悟。微信ID：LetvIUEI

本文由@linz 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理?，未經(jīng)許可，禁止轉(zhuǎn)載。