案例解析｜推荐算法如何赋能应用场景优化？

随着互联网流量红利的消失，“卖方”在交易中的主导地位逐渐被取代。各大互联网产品放弃了过去地毯式投放广告的方式，将以用户运营为中心，通过全量数据的采集及分析，基于用户画像和用户的行为数据，有针对性的提供精细化运营服务。

“个性化推荐”作为精细化运营的场景之一，成为了连接用户与产品间的情感纽带：像音乐平台的“心动模式”，购物平台的“猜你喜欢”，内容平台的“信息流推荐”，这些看似平常的小功能却能够唤起用户对产品的认同，从而增强对产品的依赖。

作为以图文信息流为主的内容分发平台，《参考消息》致力于连接人与信息，精选每日世界各地的消息及评论，全方位的报道国际国内新闻，为读者开阔了国际视野。《参考消息》官方网站上线于2012年，对内容精准高效的把控是其得益于用户喜爱的关键，同时，这也离不开其背后对AB测试的一次次尝试。

案例一：调整推荐算法，提高阅读点击量

《参考消息》APP团队在“相关阅读”板块中引入了第三方推荐算法，为了比较之前的人工编辑推荐和现有第三方推荐算法的效果，产品部门借助AppAdhoc A/B Testing平台对两种推荐方式做了一次测试：

原始版本为人工编辑推荐的形式，即由小编决定文章是否会被放在“相关阅读”板块中；而试验版本是第三方推荐算法自动生成的文章列表，且为了试验结果的科学性，此试验定向为百度渠道，即只有百度渠道的流量能够参与到此试验中。

根据试验设定，分配两个版本（包含原始版本）：

由于是推荐算法类试验，所以试验采用了编程模式，将“相关阅读”的文章点击总数作为优化指标。试验共运行25天，得到试验数据：

试验版本中第三方推荐算法的“相关阅读”效果要更好些，文章点击转化数相比原始版本提高8%左右，所以在百度渠道的投放过程中，第三方推荐算法效果比人工编辑转化效果有所提升，产品部门最后选择全量推送试验版本。

试验至此并没有结束。产品部门又将两种推荐方式放到广点通做了一次试验：

同样原始版本为人工推荐的方式，试验版本为第三方推荐算法的方式，只不过定向时选择了广点通，结果与百度渠道完全相反：广点通渠道人工编辑推荐的“相关阅读”点击转化要更高些，比试验版本高出15%左右。所以产品部门在广点通渠道放弃了第三方推荐算法的方式，选择人工编辑的推荐列表。

试验结果表明，即使是同样的设定，在不同渠道有可能效果都是完全相反的，如果没有通过A/B测试的方式，是很难想到这样的结果的。精细化运营的本质就是以用户为中心的运营，在合适的渠道用合适的方式，才能让不同用户感知到合适的价值，用科学试验的方式不断迭代优化，这是精细化运营的必经之路。

案例二：调整模块位置，助力提高转化

针对现有页面的展示形态，《参考消息》产品部门提出假设：如果优先显示由推荐算法生成的新闻栏目，是否可以带来更多用户对推荐模块资讯的阅读，从而提高产品的点击量和活跃度呢？于是产品部门借助AppAdhoc A/B Testing平台对两种推荐方式做了一次测试：

原始版本用户进入参考消息后，默认显示人工编辑的“热点”栏目；试验版本将默认展示由推荐算法生成的“推荐”栏目，调整用户进入APP后的默认展示版块，并将信息流文章点击量作为优化指标。

据此分配两个版本（包含原始版本）：

本次试验共运行了20天，观察试验数据可以看出，试验版本胜出。在95%的置信度下，推荐模块的文章点击提高了28%左右，同时文章阅读停留时长也有明显提高。

试验的结果验证了用户使用AppAdhoc AB Testing进行产品优化的猜想，其结论是准确有效的。

上述两个试验均为推荐算法类试验，这类试验也是在A/B测试中比较常见的试验场景。精细化运营的场景还有很多试验场景：比如针对新老用户的不同活动、不同地域，不同年龄的个性化运营、不同渠道下的推广等等，这些都需要我们对用户使用流程进行细分和拆解，明确精细化运营的方式。当然，这些试验需求可以通过AppAdhoc A/B Testing平台的“定向试验”，“多维度分析”等小功能去实现，A/B测试助力企业实现科学有效的增长。