
冷启动(英文 :Cold Start)最开始是指电脑切断电源 ,重新启动的意思方式,后来延伸到在产品内 ,分类是思路指新的产品用户从无到有、与用户建立有效关系并持续产生内容及互动前 ,及步产品所处的冷启冷启略状态。产品冷启动就是动什动策从0用户开始积累用户的过程 。
冷启动策略一般适用于使用mvp(Minimum Viable Product)理念研发出的意思C端产品或B端平台型产品,不适用于定制开发型(需求已知、分类用户已知、思路场景已知)的及步B端产品。
1、用户冷启动:新用户注册后 ,意思没有历史行为数据时的个性化推荐 。
2、物品冷启动 :系统加入新物品后(新的影片 、新的商品等) ,在该商品还没有交互记录时 ,如何将该物品推荐给用户 。
3 、系统冷启动:在推荐系统运行之初 ,缺乏所有相关历史数据时的推荐 。
针对不同应用场景 ,解决冷启动问题需要比较专业的洞察 ,根据领域专家意见制定合理的冷启动策略。总体上讲,可以把主流的冷启动策略归为以下三类:
(1) 基于规则的冷启动过程。
(2) 丰富冷启动过程中可获得的用户和物品特征 。
(3) 利用主动学习、迁移学习和"探索与利用"机制。
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 。
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 。
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"