如何衡量个性化推荐算法的优劣？

发布时间：2024-12-25 16:39

音乐推荐算法能个性化推荐音乐 #生活乐趣# #音乐陶冶#

咨询了一位前辈~

觉得衡量个性化推荐算法的优劣可以有：

场景转化类指标：比如pv点击率、uv点击率、曝光点击率、uv转化率、人均点击个数；【top：曝光点击率-feed流产品】

内容消费满意度指标：留存率，停留时长、播放完成率等。【top：时长】.......

（科普：【场景转化类】：>关注的是将用户从一个场景转化到我们希望的场景去的效果。

这个过程需要用户付出主动的行动，如常见的点击行为。这类指标关注推荐系统的漏斗效果，主要有：

【内容消费类】：>顾名思义即对所消费的内容“评价反映”。一般资讯类、视频类就是典型的内容消费产品。或许也可能是某APP的一个内容业务细分。比如wifi万能钥匙除了工具属性之外的资讯页、比如有和外部内容合作、分发的，也属于内容消费板块）

如果是技术侧的指标也有，模型算法的。算法指标有准确率、召回率、AUC值等，但PM不需关注，关注业务侧比较重要。

（题外话科普）

【准确率：识别为正确的样本数/识别出来的样本数】

【召回率：识别为正确的样本数/所有样本中正确的数】

【AUC/ROC：】一个正例，一个负例，预测为正的概率值比预测为负的概率值还要大的可能性。

这些指标表现好并不能说明产品表现好，因为选择一个算法或者一个模型对于最终产品效果是否有帮助，本身就是存在一定假设。

网址：如何衡量个性化推荐算法的优劣？ https://www.yuejiaxmz.com/news/view/564363