产品犬舍

为什么推荐算法很难在陌生人社交场景中发威?

这是犬校的一次多人长帖讨论,关于陌生人社交与算法推荐,摘录其中质量最高的两贴。

CM_lsy:
推荐算法在社交产品的应用场景非常有限。两个主要原因是:
  1. 相比内容,人更难被「向量化」
  2. 用户行为反馈的目标,和算法指向目标的一致性

我们可以简单地把「向量化」理解为打标签。推荐算法在内容产品里大杀四方,因为内容极容易被向量化。以字节的产品为例,无论是今日头条的图文,还是抖音的短视频,因为「内容识别」的强大,内容可以被打上丰富且准确的标签。而内容识别相比人的识别,有三点核心不同:
  • 内容可被识别:基于 NPL 的文字解读和基于图片识别的视频解读,都有相对成熟的技术方案,而人的识别和定义是非常困难的。
  • 内容的普适性:内容的通用标签放之四海皆准,在抖音和快手可能差不多。而人的标签即使可以被识别,在不同类型的社交平台,作用也大相径庭。社交产品最终需要的,还是用户在这里产生的标签和行为数据。

  • 内容训练集充足:基于第二点,训练需要充足的物料。平台上的内容通常比用户大出两个数量级以上,对于算法训练来说训练集充足。

我们可以用「发动机」和「燃料」来类比算法和训练集——打造一个强力的发动机是基础算法,充沛的物料和用户反馈则是燃料,让产品被推荐算法助推前行,两者缺一不可。社交产品的推荐算法,发动机结构本身就极其精密复杂,燃料相对来说也不充足——很像你需要打造一台十二缸发动机,油箱又不够大(还得加 98 号的)。
再聊聊给用户打标签这件事。
打标签的事很难交给用户自己。社交产品里,标签颗粒度过大,则所有人都喜欢旅行读书运动看电影;标签颗粒度过小,虽然提升了准确性,但召回率也随之变小,成本也会增加。
那如果打标签机器来完成呢?试想场景:小明给一个女用户发的摄影作品点赞。能证明小明喜欢摄影吗?更有可能是因为这些照片里有女用户出镜,或者单纯是出镜女用户穿得清凉。甚至只是因为这个女用户跟小明同城,离得不远。Sadly,这些不需要算法来告诉你,小明只需要一个标签就够了——男性。这里就引出了第二个问题,目标的一致性。
看短视频的行为路径更简单:看到一个短视频,感兴趣就看完了,很喜欢就点赞。算法通过记录前几秒的跳出率、视频完播率、点赞率,完成了用户对这条视频喜好度的评估,再找类似的视频分发给你疯狂试探。在这里,用户的目标、算法的关键数据、算法的目标,三者是完全一致的。
而社交产品里,用户行为的目标指向性往往不那么明确,就像刚刚提到的 “小明给美女点赞”。对于一个社交产品,每个用户来的目的不同,每个行为反应的意图和目标也不同。再叠加上行为当时的社交状态,情况就更复杂了——小明周一下午痛定思痛想要认真找个女朋友时点的赞,周五后半夜睡不着精虫上脑时点的赞,意义完全不同。
我们常说:社交产品里,男用户看质量,最终还是回归到够不够「优秀」。女用户看状态,看我收到招呼这一刻心情如何。这些都是行为背后的复杂影响因素,导致用户的目标、行为、算法很难一致运转。
因此,目标越明确,模式越简单的产品,推荐算法的空间和准确性往往越高。一章(犬校同学)提到的探探就是一个好例子,或者说是 Tinder 的模式优秀。
最后,聊一下推荐算法应用得不错的两款社交产品吧。
Tinder:不断强化「照片」在 Profile 里的重要程度,并围绕照片,以右滑率为目标,构建推荐算法。是否喜欢留胡子的男人、偏爱什么肤色、对 outdoor 运动型男孩感兴趣吗……等等。
在默认的 smart cover 设置下,不同的人划到你时候优先展示哪张照片,也是交给系统判断的。除此之外,Tinder 用 ELO Rating (国际象棋世界排名也是用这个计算方法)给用户打分,同样面对倪妮的 Tinder profile ,我右滑和王嘉尔右划的加分权重完全不同。并以 Elo Rating 的分数做基础用户分层,从另一个角度解答了纯银提到的「社交是所有人对所有人社交」问题。
可话:音遇团队新作品,可以简单理解成「朋友圈漂流瓶」,发一条动态才能认识人——基于动态的文字和图片,给你匹配相同内容的帖子(发小狗会推 6 条宠物帖子,发奶茶会推 6 条饮料帖子),互相点亮后即可聊天。
这两个例子都没有用到很复杂的「算法」,无非图片识别(比如强大的 Google Vision API )和协同过滤,而是通过产品设计把复杂的人做了「简化」( Tinder 把人简化成照片,可话把人简化成了单条图文),再从内容维度应用推荐算法。

纯银:

人很难被向量化识别,CM_lsy 对此的解释非常精彩。因此越简单的产品机制,系统越容易理解用户与用户动机。即便如此,人和人的匹配依然是一件非常复杂的事情,远远超过人和内容的匹配,但推荐算法因为缺少内容(用户基数)和物料(内容识别),算法有效性远不如人和內容的匹配。
不仅算法无法精准识别用户,用户互相之间也无法精准识别。我可能和一个妹子是天作之合,但互相之间无法通过头像、相片和区区几条动态意识到这一点。
所以我经常说,人和人的匹配(交友/婚恋/招聘)是最后一块巨大的,需求未充分满足的 web2 蓝海市场。
PS:刚从  CM_lsy 这里听说「可话」,下载看了看,降低用户门槛的产品设计也让 “动态变得更水” 。更水的结果是匹配精度下降,用户画像单薄。虽然 Soul 的画像也很水(但比没有好),但 Soul 的优势从来都是实时连接而非用户质量。何况可话的动态比 Soul 还要水很多。
这里引申出来一个社交产品的难题。至今没有一款社交产品能引导用户认真发布内容,水贴无法构建鲜活的用户画像,最终只能依赖单薄的自拍也就是脸缘。但产品也没法给用户一个理由,在这里认真发布内容的收益是什么?于是陷入鸡生蛋蛋生鸡的悖论。

内容来自“用思考交换思考”的 PM 思辨社区「犬校」。©2017-2022
点击“阅读原文”,查看犬校加入方式。