带你读《2022技术人的百宝黑皮书》——无尽流场景优化总结(5) https://developer.aliyun.com/article/1246798?groupCode=taobaotech
多场景样本训练
基于无尽流形式能够带来更多内容详情页的曝光量及消费PV，频道外投首猜引流的详情页场景也全量切换为无尽流形式并进行算法优化。由于外投首猜引流无尽流场景DAU更低，无法训练独立的无尽流模型，同时考虑到两个场景存在一定相似性，尝试引入多场景无尽流样本进行下拉模型训练，并新增场景标特征以对不同场景样本进行区分；混合频道无尽流和首猜引流无尽流场景进行样本训练后，相比原单频道无尽流场景样本训练，模型离线AUC提升4.63%, 线上AB：首猜引流无尽流uctr +2.35%, pctr +2.23%，下拉深度0.06%，人均点击+1.37%，次均曝光+0.14%；频道无尽流场景无明显提升；
分析：引入小场景无尽流样本进行多场景样本训练，由于不同场景之间样本差异量较大(近100倍)，模型在小场景中收益较大，对大场景收益不明显。
相关度策略
我们通过分析无尽流场景中不同位置上的点击率情况，并结合用户场景行为和心智，得到两个结论：1）随着下拉变深，点击率有一定的下降趋势；2）在同一位置上，推荐相同场景/风格的内容点击率会更高；从而我们可以推测，在用户开始进入无尽流场景时，兴趣主要聚焦在与Hero Content相似的内容上，随着浏览的深入，用户的兴趣会逐渐发散。
为了吸引用户更多的浏览和点击，给轻应用内容详情页带来更多消费PV，我们结合用户兴趣扩散变化，对无尽流下拉推荐进行策略优化：
1. 对于Hero Content有相同属性(风格、场景、挂载商品、作者)的内容进行加权和定坑，保障前10个推荐内容中与Hero Content有属性关联的内容比例在30%以上；
2. 对于第二和第三页内容(position:11~30), 主要通过用户偏好模型打分排序；
3. 第三页以后的内容，优先考虑多样性和新颖度；
线上AB整体正向收益：uctr +13.06%， pctr +6.01%, 下拉深度 +4.70%， 人均点击 +10.94%， 次均曝光+3.96%。
带你读《2022技术人的百宝黑皮书》——无尽流场景优化总结(7) https://developer.aliyun.com/article/1246796?groupCode=taobaotech
