网络文学平台如何借力智能推荐 实现阅读体验全面提升？

2012 年今日头条上线，开启了 内容媒体行业智能推荐 的篇章。自此之后，大批资讯产品先后启动“智能推荐”，打造千人千面的阅读体验，随后扩展到短视频行业，衍生出了快手、抖音两大国民级娱乐产品。经过几年的发展，产品内容智能推荐不再是绝对的领先技术或方案创新，但能完美实现智能推荐的企业几乎都集中在行业顶尖领域，为什么呢？

原因在于，虽然从技术解决方案上讲，智能推荐的解决方案已经很成熟，但如果在产品内落地智能化，需要公司组建一支专攻智能算法的团队，解决数据采集、数据存储、算法研发、算法调优等一系列的问题，而在目前国内算法人才紧缺的情况下，组建这样一支团队耗时耗力耗成本，让不少企业望而却步。

总之， 如何利用低成本高效快速地实现产品智能化，成为很多企业的迫切需求。 本文将以某网络文学产品为例，分享其如何快速落地文学作品的智能推荐。

该网络文学成立于 2010 年，每日为读者提供各种不同的正版图书，包括原创小说及精品出版物，旗下拥有多个 App 产品，自身的技术能力及数据采集能力优秀，拥有完善的数据分析产品。该平台过去一直以人工运营的方式为读者推荐书籍，推荐的位置包括书架必读、热门等，书籍的选取原则以过去阅读最多、新书等规则为主。

最近，该平台注意到，平台用户在读完一本书之后，会出现大量的用户流失现象。分析原因有，当用户读完一本书之后，如果无法快速找到感兴趣到的第二本书、第三本书，用户就会放弃平台，而当前的人工推荐集中在固定的 Top N，更新频率低且无法适应所有用户的个性化需求。因此该平台考虑 引入智能推荐栏，基于用户阅读偏好为用户提供定制化内容推荐。

1.确定推荐场景

考虑到智能推荐属于该平台的初次尝试，推荐效果需要经过数据验证，且短期内无法完全取代人工运营。 因此，在进行智能推荐前， 需要先明确应用智能推荐的场景，使推荐目标和推荐基础规则更清晰。

在确定规则之前，该平台梳理了目前产品已有的推荐位，主要集中在书城栏目内，包含了新书、排行、热门、小编推荐以及书城中各自频道的单独推荐位。

结合该平台目前的运营数据分析，先不改动之前的运营位推荐逻辑，而是考虑在书架顶部和书籍章节尾页增加两个新的位置，来尝试智能推荐。

推荐这两个场景的原因主要如下：

（1）不改动原有的推荐位而是新增推荐位，在一定程度上更有利于 产品的稳定性；

（2）书城位置入口较深， 流量规模 远远低于书架位置和章节末尾的流量。

2.数据准备

推荐算法依赖对用户行为的计算和预测产出推荐结果。 确定推荐场景后，该平台需要着手准备和采集数据。对于网络文学类产品，一般情况下，需要提供以下 3 类数据支持算法模型运算：用户行为数据、用户属性特征、书籍信息，如下所示：

表 用户行为数据

表 用户属性特征

表 书籍信息

3.算法联调

算法联调需要技术人员参与，包括推荐接口和 App 产品对接，以及算法人员对优化推荐模型等。此环节技术性较强且个性化问题较多，这里不做详细介绍。

4.效果验证

资讯或视频类网站更多通过 CTR 来衡量，但对文学类网站而言，用户点击并不代表最终的有效行为，可以考虑 通过加架率或转定率来评估推荐效果。 因为该平台的目的是提升留存率，而留存率会受多方因素的影响，所以最终选择以推荐加架率为主目标，以留存率为辅助目标对推荐效果进行验证，如下图所示：

图 网络文学智能推荐效果验证

在以上的场景中，我们展示了文娱行业如何基于数据对展示内容调优，从而从根本上提升用户内容满意度。

神策数据作为优质的大数据分析与营销科技服务提供商，将会持续赋能更多网络文学平台，在内容筛选与推荐方面，以较低成本快速实现产品智能化落地。