豆瓣图书推荐策略调研与问题归纳

　　笔者列出相关指标，对豆瓣图书的推荐策略进行了调研，归纳总结了几个问题，针对问题给出了相应的改进方案。你的豆瓣给你推荐了什么书？
　　一、定义理想态
　　1.1 理想态定义
　　豆瓣推荐的书籍与用户兴趣相关（书籍查看率大于等于80%），令用户满意（书籍想读率大于等于80%）并且能够拓宽用户兴趣边界（多样性、时效性、新颖性）。
　　1.2 理想态指标
　　用户满意度，涉及指标定义如下：
　　书籍查看率：用户点击推荐书籍数/推荐书籍数；
　　书籍想读率：用户标记推荐书籍想读数/推荐书籍数；
　　书籍评价率：用户评价（包括标记读过、在读、评分）推荐书籍数/推荐书籍数。
　　预测准确度，涉及指标定义如下：
　　预测准确度：点击查看书籍数/推荐书籍数；
　　覆盖率；
　　多样性；
　　时效性；
　　新颖性。
　　二、抽样分析
　　2.1 Case选择
　　5~10本书籍的case选择覆盖面太窄，因此目前将书籍从内容类型角度分为9种类型，每种类型选择一本书，具体选择如下图所示。
　　2.2 Case汇总
　　9种case汇总如下图所示（由于表格较长，一张表格拆成两张图展示）。
　　2.3 问题分析
　　案例1
　　【推荐书籍5、6、7、9、10】
　　问题说明：多样性不足-同一个作者推荐太多。
　　从文学小说这个类型的书籍出发，虽然大家对同一个作者的书籍更有可能感兴趣，但是查看书籍为同一作者的推荐项占比超过50%还是过高了。因此这5本书籍的主要问题都是同一个作者推荐太多。
　　原因：不管从作者角度，还是内容类型角度出发，该书籍都不可能属于冷门书籍。因此推荐多样性不足的原因就不可能是收录的书籍数目太少，而应当是权重有问题，导致同一个作者的书籍占据了推荐书籍的90%。
　　可能的原因有三种：
　　有可能是作者标签过重；
　　用户协同过滤算法权重过大；
　　用户画像中用户对该作者的喜好程度极高，且权重大，导致推荐90%为同一作者书籍。
　　改进方案：
　　推荐逻辑中，降低作者标签权重；
　　推荐逻辑中，降低用户协同过滤算法权重；
　　推荐逻辑中，当用户画像中，用户对某一标签（作者）的喜好程度极高，导致推荐过于单一（造成40%以上的推荐都是同一标签）时，推荐中需要相应降低用户画像的权重。
　　案例3
　　【推荐书籍2、3】
　　问题说明：推荐准确度太低-几乎无相关性。
　　这两本书相关性过于弱了，对于查看5+3的用户来说，很有可能是学生家长，也很难会对这两本书感到满意。
　　原因：从该case其他推荐书籍来看，豆瓣虽然可能对教辅书的收录和标签管理不足，但也有其他通识教育类的书籍可以推荐，因此出现该问题的原因应当是标签不准确。
　　改进方案：
　　增加收录该类目书籍；
　　调整优化书籍标签。
　　【推荐书籍4、5、8、10】
　　问题说明：推荐准确度太低-属于同一大类型，但细分类差别太大。
　　这4本书从内容角度来看具有一定相关性，可以属于一个内容类型大类。但是，从细分领域来看，两类书的差别还是较为明显，可能能够探索用户的兴趣边界，但是用40%的推荐项来探索用户兴趣边界过多了。
　　原因：同类型书籍收录过少，标签不准确，推荐目的错误。
　　改进方案：
　　增加收录该类目书籍；
　　调整优化书籍标签。
　　【推荐书籍6、7】
　　问题说明：推荐准确度太低-几乎无相关性。
　　相关性过弱，而作为探索用户的兴趣边界的推荐项，与上一个问题加起来占比超过60%，显然不是正确的策略。
　　原因：同类型书籍收录过少，标签不准确，推荐目的错误。
　　改进方案：
　　增加收录该类目书籍；
　　调整优化书籍标签。
　　案例4
　　【整体问题】
　　问题：推荐准确度太低-没有推荐该作者的其他书籍。
　　没有推荐该作者的其他书籍。单个推荐书籍没有问题，但是整体来看该作者推荐书籍太少。《全球通史》作为热门书籍，作者也并不是只有这一本代表作的情况，存在一定明星效应，因此可以多推荐1、2本该作者的其他书籍。
　　原因：标签权重有问题。
　　改进方案：推荐逻辑中，提高作者标签权重。
　　案例6
　　【推荐书籍1】
　　问题说明：时效性考虑不足。
　　时效性不足，书籍作者有更新的摄影书籍《长皱了的小孩》，该书豆瓣已有收录，但是豆瓣并没有推荐。
　　原因：标签权重有问题。
　　改进方案：推荐逻辑中，提高时效性标签权重。
　　【推荐书籍4、10】
　　问题说明：多样性不足-同一个作者推荐太多。
　　算上书籍2、3，推荐阮义忠的书籍共有4本。阮义忠不是该书籍的作者，但他的书籍占推荐项的40%，显然过多了。
　　原因：
　　标签权重有问题；
　　用户画像中用户对该作者的喜好程度极高，且权重大，导致推荐40%为同一作者书籍。
　　改进方案：
　　优化推荐规则，减少同一作者的推荐书籍；
　　推荐逻辑中，当用户画像中，用户对某一标签（作者）的喜好程度极高，导致推荐过于单一（造成40%以上的推荐都是同一标签）时，推荐中需要相应降低用户画像的权重。
　　案例7
　　【推荐书籍10】
　　问题说明：展现顺序不合理。
　　该书籍与查看的书籍相关性很高，但是却排在推荐书籍末尾，排序有问题。
　　原因：标签权重有问题。
　　改进方案：排序逻辑中，提高内容相关性标签权重。
　　案例8
　　【整体问题】
　　问题说明：多样性不足-同一套书籍推荐太多。
　　所有推荐书籍均为火影忍者，没有多样性可言，很难让用户满意。
　　原因：
　　标签权重有问题；
　　用户画像中用户对该套书籍的喜好程度极高，且权重大，导致推荐40%为同一作者书籍。
　　改进方案：
　　推荐逻辑中，降低成套书籍相关性标签权重；
　　推荐逻辑中，当用户画像中，用户对某一标签（成套书籍）的喜好程度极高，导致推荐过于单一（造成40%以上的推荐都是同一标签）时，推荐中需要相应降低用户画像的权重。
　　案例9
　　【推荐书籍2】
　　问题说明：展现顺序不合理。
　　该书籍与查看的书籍相关性并没有其他推荐书籍高，但是排在推荐书籍第二位，排序有问题。
　　原因：标签权重有问题。
　　改进方案：排序逻辑中，提高内容相关性标签权重。
　　【推荐书籍8】
　　问题说明：重复推荐。
　　该书籍与推荐书籍7重复，这本应该是一个非常容易避免的错误。
　　原因：排序规则有问题。
　　改进方案：优化推荐规则，过滤重复书籍。
　　三、改进方案
　　3.1 改进方案汇总
　　影响面计算说明：问题涉及案例推荐书籍数/总案例推荐书籍数=x/90。