【九月笔记】热度算法和产品文档

热度算法与个性化推荐

热度推荐算法

新闻热度分=初始热度分+用户交互产生的热度分-随时间衰减的热度分

Score=S0+S(Users)-S(Time)

注意:(1)初始分值根据话题热度不同而不同 (2)热词匹配 (3)用户行为的分值应设置差异

基于内容的相关推荐

分词:建立正常词库与停用词库(助词,介词,动词)

关键词指标:TF(新闻内出现频率)越高,IDF(出现频率反值)越低,该关键词的代表性就越强,这种建立文章标签的方法称为TFIDF模型

相关性算法:相同关键词TFIDF重合计算=新闻的相似度

用户特征:收集用户特征后与文章的关键tap进行匹配

基于用户协同推荐

用户群体划分:外部数据借用+产品内主动询问+用户特征对比

内容实施推荐:通过已有数据匹配相似用户+提取差异内容——推送

内容选取:更具交互动作相似度为文章推荐提供优先级


产品相关文档


【九月笔记】热度算法和产品文档_第1张图片
市场需求报告
【九月笔记】热度算法和产品文档_第2张图片
竞品分析
【九月笔记】热度算法和产品文档_第3张图片
PRD


【九月笔记】热度算法和产品文档_第4张图片
用户体验报告

启示:产品需要掌握的是什么?


【九月笔记】热度算法和产品文档_第5张图片
好产品来源于对细节的把握

你可能感兴趣的:(【九月笔记】热度算法和产品文档)