冷启动

两类冷启动

冷启动有两个方向:

类型问题后果
新用户没有行为历史不知道喜欢什么,前几条决定去留
新视频没有互动数据得不到曝光,永远无法证明价值

新用户怎么做

新用户没有行为历史,基础策略可以用粗粒度的上下文:

  • 地域、语言:优先推荐本地 / 母语内容。
  • 热门与编辑精选:保证内容质量底线。
  • 注册来源:从哪个渠道来,可能有偏好(如「摄影社区引流」)。
  • 初始选择标签:注册时让用户选感兴趣的类目。

新用户前几十条推荐会决定是否留下。 所以冷启动期内要:

  • 热门为主,保证「至少不难看」。
  • 少量探索,试探兴趣。
  • 快速利用反馈:用户点赞 / 跳过的行为,尽早进入下一次推荐。

新视频怎么做

新视频没有互动数据,但可以有内容特征:

  • 标签、分类、作者。
  • 内容 embedding(图像、音频、文本)。
  • 作者历史表现(优质作者的新视频可给初始权重)。

关键设计是探索流量池:

  • 新视频进入小流量探索池,先给一小部分用户看。
  • 反馈好 → 逐渐放大曝光。
  • 反馈差 → 停止推荐。

探索与利用

冷启动的本质是探索与利用的平衡:

  • 利用:推荐确定受欢迎的内容(安全但容易固化)。
  • 探索:推荐不确定但可能有惊喜的内容(风险但必要)。

如果没有探索流量,系统会永远只推历史热门,新作者和新视频没有机会——内容生态会逐渐僵化。

冷启动的监控

冷启动策略要专门监控:

  • 新用户 7 日留存。
  • 新视频 24 小时内的有效曝光与互动。
  • 冷启动内容的「转正率」(从探索池进入常规推荐的占比)。

一句话

冷启动不是「等数据够了再推荐」,而是用上下文 + 内容特征 + 探索流量主动破冰,并在反馈到达后快速迭代。

下一章进入内容供给:视频如何上传、转码、审核、入库。

发现内容有问题?

告诉我们哪里需要改进。