带你读《2022技术人的百宝黑皮书》——无尽流场景优化总结(6) https://developer.aliyun.com/article/1246797?groupCode=taobaotech
总结和展望
相比原来的单图文浏览，无尽流形式是每平每屋轻应用在内容详情页展示上的一个新尝试，给用户带来了更加“轻盈”的下拉体验，同时也提升了详情页的曝光量及消费PV。本文总结了每平每屋轻应用详情页切换无尽流后，在新的内容推荐形式上算法做的优化工作及取得的效果，其中根据业务形态和分析数据提出的下拉模型和相关度策略虽然原理简单，复杂度不高，但是取得了不错的线上效果，这也说明业务场景优化核心不在于模型的难易，而是在于解决问题时候的思考方式和解决问题的路径，模型复杂不一定是最好的，重要的是理解业务以及能针对不同的业务形式和场景提出合适的算法策略，从而帮助业务取得成果。
在后续的优化中，考虑从下拉模型结构和特征工程两个方面继续优化。比如：目前下拉模型的样本构造方式还相对粗糙，后续可以考虑基于“用户可能并不是因为最后一个浏览的内容跳失”这一假设，探索如何找到导致用户跳失的“真正负样本” ；当前我们把引流内容Hero Conetnt加入特征优化后取得了不错的提升，后续可以继续考虑如何将引流内容信息更好融入模型训练；同时现在的下拉模型特征相对简单，后续可以结合数据挖掘和分析情况，挖掘更多有利特征加入模型训练等；总的来说，我们在无尽下拉流这个产品形态上的算法优化只是刚刚开始，后续还有很多可优化的点和可尝试的idea。我们将不断探索无尽流更多的优化形式，提升无尽流场景的下拉深度及点击效率，给轻应用内容详情页带来更多消费PV；
致谢
感谢师兄的悉心指导和老师的理解与支持，感谢所有每平每屋算法和数据同学以及智能场景算法同学的交流与合作。
参考资料
【1】https://dl.acm.org/doi/abs/10.1145/2988450.2988454
团队介绍
大淘宝技术-淘宝智能团队
淘宝智能团队是一支数据和算法一体的团队，服务于淘宝、天猫、聚划算、闲鱼和每平每屋等业务线的二十余个业务场景，提供线上零售、内容社区、3D智能设计和端上智能等数据和算法服务。我们通过机器学习、强化学习、数据挖掘、机器视觉、NLP、运筹学、3D算法、搜索和推荐算法，为千万商家寻找商机，为平台运营提供智能化方案，为用户提高使用体验，为设计师提供自动搭配和布局，从而促进平台和生态的供给繁荣和用户增长，不断拓展商业边界。
这是一支快速成长中的学习型团队。在创造业务价值的同时，我们不断输出学术成果，在KDD、ICCV、Management Science等国际会议和杂志上发表数篇学术论文。团队学习氛围浓厚，每年组织上百场技术分享交流，互相学习和启发。真诚邀请海内外相关方向的优秀人才加入我们，在这里成长并贡献才智。如果您有兴趣可将简历发至weichen.swc@alibaba-inc.com，期待您的加入！
