算法 自动采集列表(《参考消息》官方网站：内容分发平台的“个性化推荐”)

　　算法 自动采集列表(《参考消息》官方网站：内容分发平台的“个性化推荐”)

　　随着互联网流量红利的消失，“卖家”在交易中的主导地位逐渐被取代。各大互联网产品都放弃了过去的地毯式广告，将重点放在用户运营上。通过采集和全数据分析，基于用户画像和用户行为数据，提供针对性的精细化运营。服务。

　　作为精细化运营的场景之一，“个性化推荐”已成为用户与产品之间的情感纽带：如音乐平台的“心动模式”、购物平台的“猜你喜欢”、“信息流推荐” “内容平台”，这些看似普通的小功能，却能唤起用户对产品的认同感，从而增强用户对产品的依赖。

　　《参考新闻》作为基于图文信息流的内容分发平台，致力于连接人和信息，精选全球每日新闻和评论，全面报道国际国内新闻，拓宽读者的国际视野。《参考新闻》官方网站于2012年上线，对内容的精准高效把控是获得用户喜爱的关键。同时，这也与其背后多次尝试AB测试分不开。

　　案例一：调整推荐算法，增加阅读点击量

　　《参考新闻》APP团队在“相关阅读”板块引入了第三方推荐算法。为了对比之前的人工编辑推荐和现有的第三方推荐算法的效果，产品部使用了AppAdhoc A/B Testing平台对这两类推荐进行了推荐。进行测试的方法：

　　原版采用手动编辑推荐的形式，即由编辑决定是否将文章放入“相关阅读”栏目；而实验版是由第三方推荐算法自动生成的文章列表，并且为了测试结果的科学性，本次测试针对的是百度频道，即只有百度的流量渠道可以参与本次测试。

　　根据实验设置，分配了两个版本（包括原创版本）：

　　由于是推荐算法测试，所以测试采用编程方式，以“相关阅读”的文章总点击次数作为优化指标。测试运行25天，得到测试数据：

　　实验版第三方推荐算法的“相关阅读”效果更佳，文章点击转化次数较原版提升约8%。因此，在百度频道的投放过程中，第三方推荐算法比人工更有效地提升了编辑转换效果，产品部最终选择了全推测试版。

　　实验还没有结束。产品部在广电通上测试了两种推荐的方法：

　　同理，原版是人工推荐方式，实验版是第三方推荐算法方式，只不过选择了广电通定向，结果和百度频道完全相反：推荐的“相关阅读”广电通频道手动编辑器转换。它更高，比实验版本高约 15%。因此，产品部放弃了广电通渠道中的第三方推荐算法，选择了人工编辑的推荐列表。

　　测试结果表明，即使设置相同，在不同的通道中效果也可能完全相反。如果没有办法通过 A/B 测试，很难想出这样的结果。精细化运营的本质是以用户为中心的运营。只有在正确的渠道中使用正确的方法，不同的用户才能感知到正确的价值，并通过科学实验进行迭代优化。这是精细化操作的必要条件。路。

　　案例2：调整模块位置以帮助提高转化率

　　关于现有页面的展示形式，《参考新闻》产品部提出了一个假设：如果先展示推荐算法生成的新闻栏目，是否能带来更多用户阅读推荐模块的信息，从而增加产品的点击次数和活跃度。程度？于是产品部使用了AppAdhoc A/B Testing平台测试了两种推荐的方法：

　　原版中，用户输入参考信息后，默认显示手动编辑的“热点”栏；实验版会默认显示推荐算法生成的“推荐”栏目，用户进入APP后调整默认显示栏目，将信息流文章流量作为优化指标。

　　相应地分配了两个版本（包括原创版本）：

　　测试总共进行了 20 天。从测试数据的观察可以看出，测试版胜出。在95%的置信度下，推荐模块的文章点击量提升了约28%，文章的阅读时长也有明显提升。

　　测试结果验证了用户使用AppAdhoc AB Testing进行产品优化的猜想，结论准确有效。

　　以上两个测试都是推荐的算法测试，也是A/B测试中常见的测试场景。精细化运营场景还有很多实验场景：比如新老用户不同活动、不同地域、不同年龄的个性化运营、不同渠道下的推广等等，都需要我们对用户进行细分和使用过程。拆解并明确精细化经营方式。当然，这些测试需求可以通过AppAdhoc A/B Testing平台的“定向测试”、“多维分析”等小功能来实现。A/B测试帮助企业实现科学有效的增长。