这是 Beta 探索课程，内容结构、实验步骤和示例可能会继续调整。
核心指标与冲突
别只看点击率
推荐流最容易犯的错，是只盯着点击率。点击率高，可能只是标题党；完播率高，可能只是视频短；停留久，可能只是内容有瘾。
真正的指标要覆盖体验、质量、生态、健康四个层面。
常见指标
| 类别 | 指标 |
|---|---|
| 播放体验 | 首帧时间、刷新延迟 |
| 内容互动 | 点击率、完播率、点赞率、关注率 |
| 用户流失 | 跳出率、连续跳过率 |
| 生态健康 | 内容多样性、新内容曝光率 |
| 内容安全 | 违规曝光率、投诉率 |
指标之间的冲突
指标不是越多越好，而是会互相打架：
| 冲突 | 表现 |
|---|---|
| 点击率 vs 质量 | 只优化点击率，标题党泛滥 |
| 完播率 vs 内容形态 | 只优化完播率，偏向短平快内容 |
| 停留时长 vs 健康 | 只优化时长，牺牲内容健康与用户福祉 |
| 热度 vs 公平 | 只推热门，新作者和长尾没有机会 |
所以设计推荐系统，一开始就要定好主指标 + 护栏指标：
- 主指标：你希望优化的核心（如完播率、留存）。
- 护栏指标：不能被牺牲的底线（如投诉率、新作者曝光率）。
用指标做取舍
拿「内容多样性」举个例子：
- 只追点击率 → 相似内容高度聚集，用户很快就腻。
- 加入多样性指标 → 前排内容来源更多样，但点击率可能略降。
这不是「多样性好还是点击率好」的判断题，而是用指标权衡：多样性让系统更可持续，点击率让短期更热闹。平衡点由业务目标决定，并通过实验验证。
指标与架构的关系
指标会直接决定架构取舍：
- 首帧时间差 → 优化 CDN、预热、预加载。
- 刷新延迟高 → 优化召回排序链路、特征查询。
- 新内容曝光率低 → 增加探索召回配额。
- 投诉率上升 → 加强审核与治理。
一句话
推荐系统的设计，本质是在互相冲突的指标间做有意识的权衡，而不是追单一数字的最大化。下一章进入 Feed 流基础——先把「返回一页可播放内容」做扎实。
发现内容有问题？
告诉我们哪里需要改进。