網點房屬于什麼?互聯網正在從增量到存量的發展過程中，增量時代，以tb為例，tb的關注點是日活，推薦算法的優化目标是ctr或者cvr（日活就是日活躍用戶數量，ctr就是點擊，cvr就是購買），這樣的優化目标就必然會給高收入群體推薦品牌或者高價值的商品，給低收入群體推薦廉價的商品因為一旦反過來，比如給白領推薦便宜的，可能用戶的點擊、購買等就會下降了，我來為大家講解一下關于網點房屬于什麼?跟着小編一起來看一看吧!

網點房屬于什麼

互聯網正在從增量到存量的發展過程中，增量時代，以tb為例，tb的關注點是日活，推薦算法的優化目标是ctr或者cvr（日活就是日活躍用戶數量，ctr就是點擊，cvr就是購買），這樣的優化目标就必然會給高收入群體推薦品牌或者高價值的商品，給低收入群體推薦廉價的商品。因為一旦反過來，比如給白領推薦便宜的，可能用戶的點擊、購買等就會下降了。

進入存量時代，tb關注點是用戶體驗（也就是現在的關注點），慢慢地會從浏覽深度、停留時長、次日留存、用戶滿意度等等去優化，也會越來越關注推薦的“驚喜性”。

而優化目标是誰定的呢，是老闆定的，推薦算法的開發人員、底層的幹活小兵是無權決定的。所以從某種意義上說，信息繭房是tb的高層拍闆的，他們在某一段時期就是想構建一個信息繭房把用戶留住。但當用戶發現了信息繭房并提出反感而開始流失了，優化目标必然會發生改變。所以我們很快就能看到一個不一樣的tb（當然是我的個人希望啦）

作為一個用戶，我确實覺得信息繭房的問題越來越嚴重，不光tb，抖音等以推薦作為核心技術的産品都有這樣的問題，它阻止了我們去看外面的大千世界。

但是對于産品來講，想為用戶提供大千世界的精彩是要有代價的，模型不知道推薦給我們新的東西我們感不感興趣，會不會點擊和購買。這是一個試錯的階段，一個理想的情況是，模型給我們推了10個新鮮的東西，我們可能隻對1個感興趣，然後我們點擊這個東西給模型正反饋，模型能夠學到。但問題在于，我們給了1個正反饋，就要接受9個不相關的推薦，這對我們的體驗來說也是很糟糕的。所以對于産品來說，他們是否能接受點擊率的短期下滑，來試錯，從而來促進後期的上升呢？這得看公司有沒有魄力了。

最後我想說說推薦形态的問題，現在的推薦算法基本都遵循一個原則——推薦用戶感興趣的東西。在這個原則之下，必然會帶來一些問題，比如買了又推、點了又推等問題。

有一個新聞app叫SmartNews，用戶月均使用時長已經高于谷歌新聞和蘋果新聞的總和，是美國新聞類應用程序中估值最高的公司。讓我印象很深的是，他們的CSO任宜在采訪中說過“很多公司會自然地給算法設置點擊率相關的 KPI，也就是短期的轉化率。這樣做的結果是，算法會在一段時間内給用戶推薦很多相似的内容。慢慢地，一個人的興趣和喜好就會變得越來越窄“。在任宜看來，用戶閱讀新聞更重要的目的是拓寬知識面，獲得新的思考。所以，SmartNews 算法設定了更加長期的 KPI。被推送的内容可能短期内的點擊率不高，但從長期看卻能幫助用戶發現新知識。

以 2016年的美國大選為例，一般的算法機制會給用戶推薦其政治立場相似的報道，但 SmartNews 卻在産品中加入了“政治平衡算法”，使用戶也能看到與其固有立場不同的内容。

所以我們看到，相較于個性化推薦，SmartNews更像是一款“個性化發現”的産品。而個性化發現必然會帶來短期的指标下降，但是SmartNews證明了短期的下降有可能帶來長期的上升。但是背後的壓力是要高管承擔的，SmartNews是一個還沒有上市的創業公司，能這麼搞，這麼搞也成為他們融資的賣點。不過我真的不确定，抖音頭條等，那麼大體量的公司，在這個内卷化的時代，也敢這麼搞。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!