火山引擎与乐刻共创新价值故事:智能推荐击破2大痛点,UV_CTR提升65.1%

推荐算法人工智能与算法算法

1947年,社会心理学家卢因在其《群体生活的渠道》一文中曾提出著名的“把关人理论”。3年后,这一理论被引入了新闻传播领域,从大众传媒时代到门户网站时代,媒体编辑承担了“把关人”的角色。但随着自媒体的兴起,编辑的作用开始弱化,以智能算法推荐引擎为主的信息流媒体中,“算法”作为新的关键角色出现。

随着5G大数据时代来临,智能算法推荐更是一跃成为现代信息传递的重要方式。作为一种高效的信息分发工具,在内容、电商、视频等领域逐渐成为一种不可或缺的技术手段,通过机器学习算法打破用户先入之见,找到用户隐性兴趣点,精准高效地帮助用户在海量信息中找到想看的内容。
火山引擎的智能推荐平台是依托字节跳动先进的大规模机器学习和个性化推荐技术,借助在信息资讯、视频直播、社交、电商等多个领域的能力积累,为客户提供一站式推荐服务能力搭建平台。
那么,智能推荐平台到底能为企业解决哪些需求?具有哪些优势?底层逻辑是什么?本期内容,第一新声采访了火山引擎的产品团队,通过拆解内容电商的客户案例以及在内容电商行业的需求应用情况,呈现其产品核心优势;同时揭开智能推荐的本质与内核,分析其为客户的用户活跃度、忠诚度及转化率方面带来的长远价值。

案例故事:击破2大痛点,UV_CTR提升65.1%

在智能推荐领域,火山引擎已有不错的口碑,其智能推荐平台服务了大量客户,覆盖电商、内容、大屏、新闻、游戏、社区、社交、厂商等多个行业,客户包括oppo、vivo、中免、识货等行业知名企业,并获得了客户的高度认可。

以乐刻为例,是一家2015年创立的健身产业互联网平台,以用户运营为核心,构建数智中台,打通场景、用户、教练、服务,对健身产业进行数字化升级改造。一方面是线下采用“24小时”,“月付制”、“智能化”、“全程无推销”的健身房模式,另一方面是线上APP提供社区交流、信息购卡购课、择馆约课、集市电商等。

picture.image

经过不断的发展,目前乐刻已经成为健身界新晋独角兽。但在追求更好体验的过程中,乐刻线上APP却存在2个痛点:一是想强化APP的内容生态,将社区板块迁移到APP首页,希望激发教练和消费者做分享,通过大数据和算法模型预测每个用户的兴趣,实现精准的信息分发,让用户能看到自己感兴趣的内容,愿意在社区做更多的停留,从而达到提升留存的目的;二是将浏览首页、课程、社区等各版块内容的用户引流到课程商品上,更好的实现内容变现。

鉴于火山引擎技术助力抖音集团打造了强大的内容生态,后者成为了备受大众欢迎的产品。那么将火山引擎的推荐算法应用于乐刻又将会发生什么化学反应呢?基于此,2022年1月,乐刻开始与火山引擎接触,6个月后正式合作。

厘清需求逻辑、锚定方向后,“如何落地”是最后一公里要解决的问题。

“在落地的过程中结合乐刻业务规划和数据现状,双方团队在技术方案上的严密论证和业务场景上的密切沟通,最终拟定分为2期进行项目实施,希望通过该解决策略达到最优效果。”火山引擎回忆道。

2022年7月,开始了一期实施,解决上述的第一个痛点,整体的流程分为五步:第一步切入乐刻的“APP-首页推荐feed流”场景,通过API的方式接入乐刻数据,对数据进行清洗和质量校验。第二步进行特征工程、抽取特征(包括User特征、Item特征、Context特征等)构建样本。第三步客户可自定义模型或预置模型进行开发。第四步通过服务流串联起召回、排序、规则等模块,实现线上服务。第五步进行AB测试检验效果,通过几天的测试效果再逐步扩流,一个月内效果比较明显和稳定,再将客户所有的流量都接入智能推荐平台。

从市场表现看,一期的成果也是显性的,UV_CTR提升65.1%,用户停留时长翻一番,人均点击提升130%。

2022年10月,开启了二期项目实施,与乐刻一起解决平台变现的问题,提升人均转化次数。乐刻自身也从业务层面策划了各种政策来鼓励教练或运营人员发布挂有商品的内容。

“二期较一期相比最大的区别是需要有转化的样本,通过埋点的手段采集用户行为数据,提升用户付费意愿。”火山引擎表示,双方对二期的效果充满信心和期待。

共性问题:采用传统方式自建推荐系统,成本高、分发效率低

无论是门户网站、搜索引擎,还是微信公众号、知乎、抖音、小红书,甚至像乐刻这样垂直领域的APP平台,虽然形态和交互天壤之别,但实际上均是内容平台。

它们共同的需求是:一方面需要拥有持续生产独特内容的内容生态,另一方面需要有一种行之有效的算法机制来筛选优质内容并高效分发至每个用户。但目前普遍存在的问题是:采用传统方式自建推荐系统,成本高、分发效率低。

很长一段时间里,国内企业最广为人知的模式是采用自建的方式——从0-1搭建推荐系统,过程中存在各种挑战。毕竟搭建整个推荐系统非常耗费资源和成本,即便如此,推荐效果也无从保证。所以很多企业慢慢倾向于找一个有大量场景实践经验、提供算法工程师协助的第三方推荐平台。

目前,智能推荐平台已经是比较成熟且商业化的产品,也是火山引擎的核心能力之一,完全可以为客户提供智能推荐算法服务,不断提升用户体验和核心业务指标,促进企业快速发展。

具体来看,智能推荐平台已覆盖包括新闻资讯推荐、电商商品推荐、音视频推荐、金融产品推荐、广告推荐等多个行业。同时,深耕的应用场景繁多,例如首页猜你喜欢、详情页相关推荐,分类页推荐、热门推荐等。

基于已经服务的客户效果反馈和自身经验沉淀,智能推荐平台总结对客户的价值体现在三个方面,一是提升用户指标,例如用户停留时长、用户留存、长尾物品的曝光;二是提升商业化指标,包括GMV、ARPU、Ecpm等;三是降低运营成本,包括人力、时间、试错等成本。

总之,智能推荐平台始终从长远的角度考虑真正的用户价值,保持客户或平台对用户有较强的吸引力。

智能推荐本质:打破流量思维,通过用户思维精耕细作

从乐刻到内容行业,再延伸到整个互联网信息,发现信息分发沿着一条从“人找信息”到“信息找人”的路径演化,分发模式在过程中经历了四个时代。

一是门户时代,中国早期的四大门户网站包括搜狐、网易、新浪、腾讯,开创了分类检索,而它们都是雅虎(Yahoo!)的模仿者;

二是搜索时代,例如谷歌、百度平台基于用户的主动性,通过搜索的方式发现信息;

三是SNS时代,国外出现了脸书、YouTube,国内有微博、微信等产品,用户基于订阅关注获得信息;

四是Feed时代,方式是推荐算法,现已成为主流的信息分发方式。

不同时代下信息分发模式的演化成就了不同的互联网巨头,但这些模式并非完全的先后替代,而是新的信息分发模式向下兼容了早期的模式,然后通过商业模式的创新,后者主导的企业在某种程度上打破前辈的领导者地位。

而国内把推荐算法使用较好的便是抖音集团,先出孵化出今日头条、抖音等多个备受国民喜爱的平台。究其本质原因是智能推荐算法能帮助客户打破流量思维,通过用户思维精耕细作并裂变用户。 其底层逻辑是基于用户反馈来挖掘用户兴趣,并结合内容的各种维度特点和用户偏好进行匹配,最后在合适的场景、时机,以特定的形式推荐给用户,满足用户实际的心理诉求。

火山引擎的智能推荐平台拥有与抖音“同款”的推荐能力,是国内目前做智能推荐的佼佼者之一,具有诸多优势,核心是以下4个维度:

一是实时性,特征实时更新、模型实时训练,可以给用户实时的反馈。

二是深度开放,灵活的黑盒白盒功能,既能满足零基础用户一键配置的需求,又能满足专业算法工程师代码层面开发的需求。

三是多模式,平台既支持端到端的模式,使用平台完成推荐服务的搭建;也支持以模块化的形式,将推荐某个独立模块的能力进行交付,灵活的匹配不同企业的诉求。

四是大规模,火山引擎智能推荐平台是基于字节跳动长出来,拥有全球领先的大规模分布式机器学习以及高性能高可用的技术架构,支持日均百万亿的样本吞吐量。

在取得了不错的成绩后,智能推荐平台并不满足于此,还将有更多新的规划,例如功能持续优化、实现多模块产品与服务、拓展更多的行业客户等,始终围绕为客户创造价值做变革。

回顾火山引擎一年多的商业化之路,智能推荐算法始终都扮演着关键角色。未来,智能推荐算法本身和它所带来的,还有更多值得期待的空间。

0
0
0
0
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论