推荐系统在互联网商业产品中的地位
推荐系统的作用
推荐系统处理的是信息，它的只要作用是在信息生产方和信息消费方搭建起桥梁，是信息经济中的一个装置。
无论推荐系统服务的产品是资讯、社交、电商、游戏等不同的形式，它们最终得到真金白银的手段不一样，即商业模式不一样，但是都有一个关键步骤就是“获得用户注意力”。
用户产生行为就是付出注意力的表现，也因此信息流产品都在看谁家的阅读时间长。信息经济其实就是注意力经济，而推荐系统就是留住注意力的重要手段。
注意力是一种决策可能性，有一个特点是总量有限，随着信息越来越丰富，注意力越来越稀缺。
注意力价值一般在行业日被粗略地称呼为用户价值，实际上应该是注意力价值。
有限的注意力在推荐系统的帮助下，聚到了平台上，平台方需要像电力一样把这些注意力存储起来，存储起来的注意力就是平台方最有价值的资产。
存储这些注意力的是产品，而推荐系统是一种注意力存储设备型号，这就是推荐系统在商业链条中的角色和地位。
注意力的定义：
内容被消耗的加速度与平台内容复杂度的乘积：
$$ attention = A \times C $$
公式中：
- C是内容复杂程度，可以理解为内容被消耗光所需的时间
- A是内容消耗的加速度，而不是速度，因为这里衡量的注意力并不只是内容消费者的注意力，还有内容创作者的注意力，是两者合并之后的结果
- 内容消耗的加速度与参加消耗的用户数量有关，用户数量越多，每天消耗越多，用户数量指数增加，则消耗的加速度就不为0，平台方就有了多余的注意力
提升推荐系统注意力的策略
- 内容创作适当少倾注注意力
- 提升内容难度
- 提高单用户消耗加速度，推荐系统给用户推荐他更愿意消耗的内容
- 提高活跃用户数
推荐系统的成本
大致来说，打造一个推荐系统的成本分布在这几个地方：
- 团队成本
- 硬件成本
- 机会成本
团队成本
团队成本包含团队组建的成本和团队维护的成本，一个推荐系统至少包含全职算法工程师和软件工程师。
硬件成本
推荐系统是数据贪婪型，为了获得更多的数据，需要非常高配置的硬件支持，因为：
- 要存储更多的数据
- 要更安全保存数据
- 要更快响应用户，才能留住用户
- 要更好的开发环境，才能提高工程师开发效率，要知道工程师的时间成本最高
机会成本
机会成本就是：可能推荐系统并没有帮助产品创造什么价值，反而把很多资源投入在这上面，白白浪费了市场窗口期。
信息流
信息流，就是Feed，包括社交动态信息流、也有图文资讯信息流，短视频信息流。
推荐系统是一种注意力存储器，注意力是信息经济时代的稀缺商品，广告商向平台方购买注意力，平台方把存储的注意力分一点给广告商，然后通过推荐系统收集更多注意力补充回来。
最厉害的注意力准出其就是信息流，尤其是个性化信息流，也叫作兴趣Feed，这也是推荐系统的一种。
前世今生
2004年，Facebook问世，2006年，信息流鼻祖NewsFeed横空问世。NewsFeed的成功，验证了几个常识：
- 数据驱动比舆论驱动靠谱，别听人们嘴上是怎么说的，只看人们是如何行动的
- 窥探隐私，向群体靠拢，害怕孤单是普遍人性，把新鲜事公开这件事验证了这一点
- 注意力非常有限，用推荐系统的方法更好地存储注意力，基于兴趣的信息流验证了这一点
原来的时间线信息流都换成了今天的按照兴趣筛选内容，原因是信息泛滥，用户错过的信息量越老越多，注意力耗散很多，无法将耗散的注意力变现成了这些平台最大的痛。
配套设施
信息流是一个低衰减的注意力存储器，但是光有信息流是不完整的，最大的问题可能有两个：
- 内容源不足，无法形成信息过载，注意力就不会稀缺，注意力是无法待价而沽的商品
- 在注意力变成稀缺的事物后，存储的注意力无法变现，反哺平台自身
针对这两个问题，完整的信息流产品还需要配套设施：
内容源
内容源是注意力的重要间接影响因素。Facebook的“你可能感兴趣的人”，是一套重要的配套设施，它是一套大规模矩阵分解算法，这套推荐系统希望用户和用户、用户和APP、公共主页等建立起大量的连接。
社交信息流，内容源依赖于社交关系的数量，而图文资讯信息流，则更多依赖爬虫技术，“不生产内容，只是内容的搬运工”。
内容源是信息流的一种重要基础设施，要想办法建设好，需要考虑以下因素：
- 质量
- 多样性
- 数量：推荐系统解决信息过载问题，没有信息过滤问题怎么办呢？就是先制造信息过载问题，要制造信息过载，信息的数量就要有保障
广告系统
Facebook的广告形态多样：
- Suggested Page
- Page Post
- Suggested App
- Video Ads
广告主花钱购买信息流存储的注意力，俗称信息流变现。
平台方的角度，存储注意力要做的事情就是基于兴趣筛选信息流，重新排序展示，这样的好处是用户不会错过自己感兴趣的，而本质上就是留住注意力，不要衰减。
在注意力购买方这边，通过广告系统，大家去购买自己看中的注意力。
总结与展望
信息流会怎么发展，无法预测，但是可以肯定：
- 信息流是推荐系统在商业上最成功的应用
- 完全依赖数据驱动的信息流会面临黑天鹅事件，所以人和算法协同进化的信息流会是最有生命力的
- 数量上，注意力被大厂屯在自己手中，下一步应该关注的是注意力的质量
本文是《推荐系统三十六式》的读书笔记，仅限个人学习，请勿用作商业用途，谢谢。
Note: Cover Picture