科技獵百度策略產品經理面試：如何評估小紅書的Feed流效果？
大家好，我是今天去面了百度的Isabel，職位是策略產品經理，部門是推薦技術平臺部，主要是做手機百度App的Feed流推薦。
在面試過程中，除了常規的深挖簡歷項目之外，還會被問到了業務方面的開放性問題，需要現場回答。
在回答過程中，面試官也一直認真地用電腦記錄下我回答的答案，個人感覺百度似乎更看重面試者的臨場思維表現，根據現場的回答來判斷綜合素質。
由于我順利通過了一面，面試官也評價我的回答答得不錯，于是便想給大家分享當時遇到的開放性問題，以及我的回答。
我被問到的是那個經典的問題“你最喜歡的App是什么？”，我的回答是小紅書。而眾所周知的，在產品面試中這個問題基本都是面試官用來挖坑的，果然接下來就是 死亡三連：如何去評估小紅書的Feed流效果？小紅書Feed流存在什么問題？如何解決？
可能很多小伙伴都和我一樣沒有過相關經驗，看到Feed流這個看起來很高大上的術語，一臉懵逼：這是啥？
因此，在分享我的答案之前，我首先會簡單介紹一下Feed流是什么。然后再以小紅書為例，聊聊Feed流是如何評估效果、從而持續優化的。
一、什么是feed流
Feed流的準確定義一直存在爭議。簡單來說，Feed流是持續更新并呈現給用戶內容的信息流，它存在于各種各樣的APP，字節跳動的抖音便是以Feed流起家的。
小紅書的Feed流如下圖：
通過圖片大家應該對Feed流是什么有了大致的認知，接下來說說我理解的Feed流：Feed流的核心是“個性化推薦”，它的兩個主體是內容和用戶，是用戶與內容的匹配，“信息找人”的展現方式。
總的來說，給Feed流產品下一個定義，則是： 通過一定的策略，從大量內容中篩選出部分內容，經過排序后展現給用戶。
二、Feed流的生命周期：從產生到效果評估
Feed流是用戶與內容的匹配，目的是從大量內容中找到用戶最喜歡的內容。那么，這是通過什么樣的策略來產生的，又該如何優化呢？接下來聊聊Feed流從產生到優化的全過程。
Feed流的產生，遵循著策略制定的四步驟：問題（目的）、輸入、計算、輸出。具體來說，是一個這樣的過程：
為了達到“給用戶展現感興趣內容”的目的，輸入一系列指標，進行邏輯計算，最終輸出一個用戶滿意的Feed流結果。
除了“邏輯計算”這部分通常由RD（開發同學）來實現之外，其它的步驟都是策略產品經理需要去考慮并完成的。
接下來，我也會按照策略制定的四步驟，逐步聊聊Feed流是如何產生的。
目的
很顯然，Feed流的目的是，要大量內容中找到用戶最喜歡的內容。
輸入
如何尋找到需要輸入的指標呢？
對于這個問題，我們可以從匹配的雙方，也就是用戶和內容，這兩個維度來拆解問題來思考。
- 從用戶的角度來說，我們需要通過獲取盡可能多的數據，構建用戶畫像，從而了解用戶是個什么樣的人。
- 從內容的角度來說，我們需要獲取大量、多樣、優質的內容，有足夠的內容推給他。通過這一系列的動作，我們就可以知道，要把什么樣的內容推給他。
細化到具體指標，可以從以下維度來考慮：
（1）從用戶角度 ，我們的目的是多維度尋找用戶興趣，從以下指標考慮：
1）人口屬性
從性別、年齡等維度考慮：基于性別與年齡的應用較為簡單，思想有點像數學中的“聚類算法”：檢測到用戶是女性，會更多地推送女性喜歡的內容，而“女生喜歡的內容”又是基于其它女性用戶的數據得到的。
基于LBS定位：可以從兩個維度考慮：
- 一是簡單地基于地理位置的內容推送，用戶在北京海淀區，則會向他推送北京海淀區相關的內容；
- 二是結合地理位置進行城市層級劃分，例如北上廣、一線城市、二線城市等，檢測到用戶處于二線城市，則向他推送二線城市用戶喜歡的內容。
2）過往行為
- 過往搜索行為：用戶之前有搜索過“美食”，則接下來會推送美食相關的內容。
- 過往點擊行為：用戶在Feed流中點擊“科技”相關內容，側面說明用戶對科技更感興趣，因此更多地向用戶推送科技的內容。
3）其它可獲取信息
- 例如手機型號信息，若用戶使用的是iPhone，可判斷用戶對iPhone相關內容可能會感興趣，從而向用戶推送iPhone相關的內容。
- 以及結合具體業務情況，其它可以拿到的信息。
（2）從內容的角度 ，我們的目的是獲取大量、多樣、優質的內容，從這三個維度也可以采取多方面的措施：
1）大量
搭建社區生態，利用鼓勵措施增大用戶生產內容的量級。
2）多樣
- 通過內容運營，鼓勵用戶生產多類別UGC內容。
- 為用戶展現的內容不局限于興趣匹配，還可以向用戶推送：平臺熱門信息、猜測喜歡信息等，推送內容多樣化。
3）優質
- 吸引網紅、明星等KOL入駐，增加內容的質量。
- 小紅書主要以圖片內容為基礎形式，可內置配樂、濾鏡、貼紙等美化功能，提高UGC內容質量。
輸出
省略“邏輯計算”這部分不談，來聊聊策略的最后一步，即輸出一個用戶滿意的Feed流結果。
如何判斷用戶是否滿意呢？
這就涉及到Feed流效果評估的問題。
一個基本原則是，要想評估Feed流展現效果好不好，就是要通過各方面進行打分，從而得出該Feed流在用戶心中的“喜愛度”。
打分規則可以粗略從兩個角度來考慮：一是排序，用戶喜愛的內容排在越靠前，則說明該Feed流效果越好。二是從內容本身來看，用戶喜愛的內容出現的越多，則說明Feed流分數越高、效果越好。
細化到具體的評估指標，可以從以下維度考慮：
- 前n個點擊量：例如考慮前10個內容中，用戶點擊了幾個內容。通過計算占比的值，來評估效果
- 點擊量：這是最直觀的數據。用戶點擊該Feed流的內容越多，說明用戶喜愛度越高
- 停留時長：用戶在Feed流的內容中停留時間越長，說明用戶對該Feed流越感興趣
- 活躍度：用戶點贊、評論、轉發等行為
三、feed流的優化策略
通過以上步驟，我們初步產生了一個Feed流。然而就像一句古話，“上線不是結束，而是新的開始”，產生Feed流之后的過程，就是不斷優化迭代的血淚史了。
接下來，以小紅書為實例，咱們聊聊小紅書Feed流存在的問題是什么？以及基于這個問題，如何對Feed流進行優化。
作為小紅書的忠實用戶，我使用小紅書時遇到最大的問題，便是 內容的同質化 。
一方面是正常內容的同質化：
- 從內容生產的維度來說，正常用戶由于跟風、模仿等原因，發布的內容越來越趨于相似
- 從內容接受的維度來說，每天推送的內容沒什么新鮮感，僅是推送最近、過去感興趣的內容
另一方面是不正常的同質化：例如某些軟廣，發布了大量相似的內容。
小紅書是內容平臺，內容的同質化很顯然會極大降低內容質量，輕則流失部分用戶，重則降低產品的核心競爭力。因此，對小紅書來說，同質化問題，需要被排在較高的優先級去考慮。
為了解決內容同質化問題，我們可以從內容本身出發，從“內容重復度”的維度為將內容粗略歸類，進而思考不同類型的解決方案：
方案一：反作弊限制高重復度內容
簡單來說，對于疑似廣告的行為，需要對內容進行識別和處理。
從識別的角度，可以從以下指標來判斷內容是否是廣告行為，對單個內容的“廣告疑似度”進行打分：
- 內容重復度極高
- 重復篇數較多
- 發布重復內容的IP段相似
- 其它數據指標異常（點贊量、留言量短期快速增加）
從處理的角度，由于小紅書是一個內容社區，簡單粗暴的刪除內容有可能引起誤傷，或是損害內容生態。
我認為處理方式可以從“降低優先級”的角度考慮：根據單個內容的“廣告內容疑似度”，來適當降低廣告內容在首頁Feed流及搜索中的排序。
若該內容被判斷為大概率屬于廣告，則優先級則會降低，甚至完全不展現給用戶。通過這樣的方法，對高重復度內容進行限制。
方案二：內容運營鼓勵多樣化內容生產
對于跟風、模仿發布相似內容的用戶，他們可能是出于兩種心態：一是不知道要發布什么內容，二是想通過跟風模仿來獲得歸屬感、認同感。
基于這個背景，我們可以通過在內容發布頁增加文字提示的運營方式，來鼓勵用戶發布多樣化的內容。例如以下提示，適當引導用戶發布的內容：
- 美食類：晚上好，曬曬你的豐富大餐吧
- 健身類：說說你最近的瘦身成果吧，聽說80%在小紅書曬健身計劃的人都瘦了哦
- ……
一方面，從用戶角度來說，結合場景的提示語拉近了用戶與內容社區的距離，適當的引導可以解決用戶發布內容時“不知道選取什么主題”的問題。
另一方面，從公司角度來說，也可以通過實時監控與調整，來完善社區內容的多種類。具體來說，當遇到“美食類內容生產較少”的問題，可以通過增加美食類引導語比例，來促進社區內容的種類完整性。
方案三：精準推送策略與多樣化推送策略的平衡
Feed流的最終目的是“尋找到用戶喜歡的內容”，為了達到這個目的，一個有效的途徑是進行用戶與內容的“精準匹配”，通過過往信息來判斷用戶的興趣，即精準推送策略。
但實際上，用戶對“自己喜歡的內容”的界定是比較模糊的。有時候，就連用戶自己也無法準確描述自己喜歡的是什么，僅局限于對過去信息來判斷用戶興趣，會忽略掉用戶未來、有可能興趣。因此，就會出現推薦內容同質化的問題。
因此，除了推薦精準預測的內容外，也應當進行多樣化內容的推送。在進行內容匹配時，為用戶展現的內容不局限于興趣匹配，還可以向用戶推送：平臺熱門信息、猜測喜歡信息等，推送內容多樣化
面試是我們向面試官輸出和表現自己的過程，不斷面試被問到新的問題，就可以通過在復盤的階段主動查詢資料和深度思考來進一步了解。
如果大家對這篇文章有什么建議與意見，歡迎在評論區留言與我溝通~
?
本文由 @Cipher 原創發布于人人都是產品經理，未經許可，禁止轉載
題圖來自 Unsplash，基于 CC0 協議
