Basic Rules that Should Be Obeyed by SmartSwitch

规则决定了哪些标签

冷启动

1. 冷启动可以直接推荐最热门的功能或者主打的业务。

2. 冷启动亦可以使用一些最基本的信息比如机型、渠道来进行简单推荐，类似基于人口统计学的推荐。

收集行为之后

本地排序

1. 转账，还款等生活服务类业务，基本上可以根据用户使用频率排序。

2. 具体产品，比如基金，理财可以按照用户喜爱程度排序，使用频率是喜爱程度的一个因素。

3. 本地排序如果有空位，推荐一些用户可能会需求的，采用基于关联规则的推荐，类似购物篮问题。

推荐

1. 对于具体业务，如果用户使用了某些业务，可以在业务完成页面给用户推荐一些相似的业务，也可在下次打开时展现一些相似性高的业务(物品)。

2. 用户使用了某项业务可以作为判断用户喜爱这项业务的依据，这是显式反馈。

3. 对业务的喜爱程度的计算方法，可采用简单加权，也可采用潜在因子算法。2中的用户使用了某项业务可以作为一个很大的权重。

4. 显式反馈之一：具体业务卡片右侧可以放置不感兴趣按钮，并且让用户选择不感兴趣的原因。用户选择了不感兴趣之后，业务立刻从首页消失。（）

5. 按照喜爱程度对具体业务进行排序。

6. 推荐的物品，给用户推荐相似度最高的物品（业务）。

7. 物品相似度的计算：利用余弦夹角。这里需要引入「标签」概念。

8. 标签：是业务的属性，需要人为制定。

9. 余弦夹角计算方法：给每个物品建立一个N维空间，每个axis是偏向的标签，axis上的值是偏向的程度。比如，有三个标签属性，分别是「理财」「高收益」「低风险」，「京东车险」在这三个维度上的坐标是(1,4,3)，「小金库」是(5,2,4)；这两个物品的相似度是(1 * 5 + 4*2 + 3*4)/(sqrt(1 + 4*4 + 3*3) * sqrt(5*5 + 2*2 + 4*4)) = 0.73 . 越接近1(pi)，两个物品越相近。（ff:先找专业人员分类，再加给具体业务加标签）

10. banner中程序用户最可能喜欢的业务，和主推的业务。

11. 协同过滤方案：推荐物品有两种方式，一种是基于用户的协同过滤，一种是基于物品的协同过滤；计算相似用户的意义在于，计算跟你类似的用户还买了哪些你没买的东西；计算相似物品的意义在于，实现「买了XX商品的用户还买了XX」。是两种推荐的角度。我们这里如果使用协同过滤，显然是ITEM-CF。让不同用户对同一个业务的打分算出来。比如，A君B君C君D君E君对「保险」的喜爱程度打分分别是（5，1，2，4，3），对「基金」的打分分别是（1，3，4，5，4），对「股票」的打分分别是(4，3，5，1，2)，这样可以计算出「基金」「保险」是相似的物品（余弦夹角或者欧几里得）---> 喜欢基金的用户还喜欢保险。

问题是，怎么获取用户喜爱程度呢。
第一种方式：显式和隐式反馈-->加权，latent factor，这个就跟本地排序挂上钩了。
第二种方式，我称之为标签法：另一种方案获取相似物品，不需要用户的喜爱程度！太神奇了，因为这种计算，根本没有用户这个维度，只需要标签，比如一首歌的标签是「欧美」「Rap」「Trap $hit」，每个标签按照（0，1）打分（有的音乐不是完全的rap，那就给他0.8分）。按照这个可以计算相似的音乐，类似网易云音乐的歌单了，把同类型的音乐做成一个歌单，只不过歌单是网友创作的。这方法有个弊端，比如从冷启动开始，一个用户只听了周杰伦，那这算法推荐的第二首歌也很可能是周杰伦，那第3，4首就更是周杰伦了。购物网站，一个用户买了优衣库的裤子，后面满屏都是优衣库的裤子，甚至是别家卖的优衣库裤子。

网易云音乐的FM算法估计是结合了很多种算法的。或说，是多种算法加权的。
SMARTSWITCH适用于哪一种啊。ITEM-CF的问题在于，打分全是隐式的，怕不准确啊（可是，这个不准确就意味着本地排序也不会准确啊）。

对于BILIBILI这样的网站，用户和视频都超级多，那应该选择ITEM-CF还是USER-CF啊。还是说，BILIBILI的「物品」是up主和视频标签，而不是具体视频，因为具体视频太多了，这样一来就可以采用ITEM-CF了。那对于SMARTSWITCH这种物品很少的场景，标签就不需要了。BILIBILI对用户是否喜欢视频(up主，标签)的打分：收藏，投币，完整看完 等等。

标签的作用：1. 排除用户因素的推荐（基于物品属性）2. ITEM太多的时候给ITEM分类。

行为

1. 隐式反馈之一：用户在首页快速滑动，从未滑动到底，可作为用户不喜欢冗长页面的依据。达到一定次数后精简页面内容。

2. 隐式反馈之二：在某页面停留时间久，可作为用户喜爱的依据

3. 隐式反馈之二：用户在具体业务页面快速滑动

4. 频率：收集到一定行为数据之后就在下一次打开时改变布局。

5. 时间：每隔一个星期，无论收集用户行为是否丰富，改变一次首页样式。

6. 时间：用户一天多次打开，却没有操作，赠送用户优惠。

拆解转化步骤

分析损失的步骤。

活动多，就有用户。

1. 保险、理财类业务，用户在商品详情页停留时间短，没有点击「购买」按钮的情况。——— 需求不匹配，下次推荐其他类型的商品。

2. 保险、理财类业务，用户在商品详情页停留时间长，没有点击购买。——需求匹配，但功能不符合预期 。下次推荐相似商品。

3. 保险、理财类业务，用户在商品详情页面点击了购买按钮，却没有成功付款的情况。—— 需求非常匹配，下次推荐同类型商品。
   没有购买有两种情况，吸引力不足或者支付出现问题。
   (1)支付出现问题，可记录使用者机型。
   (2)吸引力不足，可采用赠送优惠券等形式。

推送

推送个性化的产品。

其他细节

1. 浏览了某项业务很久却没买，送优惠券挽留转化。

2. 如果用户坚持打卡，某天未打卡，可推送提醒。

3. 支付完成后的页面。体验金加息券。

4. 变现功能，提前提现收50手续费。

5. 用户喜欢投资时间短的。

6. 第一页放余额。

7. 送理财金放在显然位置。

8. 不够安全的APP就卸载。

9. 离线付款码。

10. 限时抢购限量100万。

11. 投资组合，推荐适合组合的产品

12. 分享邀请好友成功投资就能获得红包

13. 最有吸引力，收入最高的放在banner最前面

14. 如果有新产品，短信通知已经购买产品的用户

15. 滑动要流畅

16. 需要二次登录的不好，账户没打通

17. 月月赢 每月一号提现免费

18. 人人贷 聚宝盆，页面low 金灿灿，红包太大-->风险大 （跟ss有关系吗）

19. 大平台

Fangfang内容总结：

1. 优惠券、红包、理财金、高收益、限时抢购等业务因素是最吸引人的。
2. 安全性是首要考虑的，看上去山寨的产品不会使用。

2月23日思考

过去两天一直在考虑「给物品加标签」的问题，那么如果有新的业务，我们都必须给它加上标签，加上了标签还要同时给这个标签打个分。也就是，建立一个物品——标签 矩阵。

• 标签的个数可能是非常多的，会是一个稀疏矩阵。
• 谁来定义标签，谁来打分。

---

2月24日

点击

1. 每次点击进入某个业务/卡片都记录次数，作为喜爱程度排名依据，下次改变APP外观的时候，使用这个排名。

2. 一定时间内多次点击进入同一个页面却没有产生购买，送优惠券。

停留时间

1. 在某个模块停留时间久，并且有持续操作，在退出app的时候有概率触发赠送行为。

2. 在某个模块停留时间久，并且有持续操作，但没有产生购买，可能是商品没有达到用户期望（犹豫）。记录下来，在有同类商品的时候给用户短信/推送。

滑动

1. 在首页用户从没滑动超一定距离，或者从未滑动到底部；在下一次改变APP外观的时候将页面精简。或提示用户可以上滑。

购买之后

1. 购买之后的页面给用户推荐相似度近的物品/投资组合商品。

2. 购买之后的页面，给用户体验金/优惠券。

3. 购买的物品期限到了，提示用户可赎回。

其他反馈

1. 具体业务卡片右侧放置不感兴趣按钮，并且让用户选择不感兴趣的原因。用户选择了不感兴趣之后，业务立刻从首页消失。

页面改变

1. 打开APP一定次数之后，改变页面布局。

2. banner中拉取用户最感兴趣的内容。