网点房属于什么（信息茧房是什么）

互联网正在从增量到存量的发展过程中，增量时代，以tb为例，tb的关注点是日活，推荐算法的优化目标是ctr或者cvr（日活就是日活跃用户数量，ctr就是点击，cvr就是购买），这样的优化目标就必然会给高收入群体推荐品牌或者高价值的商品，给低收入群体推荐廉价的商品因为一旦反过来，比如给白领推荐便宜的，可能用户的点击、购买等就会下降了，我来为大家讲解一下关于网点房属于什么?跟着小编一起来看一看吧!

网点房属于什么

互联网正在从增量到存量的发展过程中，增量时代，以tb为例，tb的关注点是日活，推荐算法的优化目标是ctr或者cvr（日活就是日活跃用户数量，ctr就是点击，cvr就是购买），这样的优化目标就必然会给高收入群体推荐品牌或者高价值的商品，给低收入群体推荐廉价的商品。因为一旦反过来，比如给白领推荐便宜的，可能用户的点击、购买等就会下降了。

进入存量时代，tb关注点是用户体验（也就是现在的关注点），慢慢地会从浏览深度、停留时长、次日留存、用户满意度等等去优化，也会越来越关注推荐的“惊喜性”。

而优化目标是谁定的呢，是老板定的，推荐算法的开发人员、底层的干活小兵是无权决定的。所以从某种意义上说，信息茧房是tb的高层拍板的，他们在某一段时期就是想构建一个信息茧房把用户留住。但当用户发现了信息茧房并提出反感而开始流失了，优化目标必然会发生改变。所以我们很快就能看到一个不一样的tb（当然是我的个人希望啦）

作为一个用户，我确实觉得信息茧房的问题越来越严重，不光tb，抖音等以推荐作为核心技术的产品都有这样的问题，它阻止了我们去看外面的大千世界。

但是对于产品来讲，想为用户提供大千世界的精彩是要有代价的，模型不知道推荐给我们新的东西我们感不感兴趣，会不会点击和购买。这是一个试错的阶段，一个理想的情况是，模型给我们推了10个新鲜的东西，我们可能只对1个感兴趣，然后我们点击这个东西给模型正反馈，模型能够学到。但问题在于，我们给了1个正反馈，就要接受9个不相关的推荐，这对我们的体验来说也是很糟糕的。所以对于产品来说，他们是否能接受点击率的短期下滑，来试错，从而来促进后期的上升呢？这得看公司有没有魄力了。

最后我想说说推荐形态的问题，现在的推荐算法基本都遵循一个原则——推荐用户感兴趣的东西。在这个原则之下，必然会带来一些问题，比如买了又推、点了又推等问题。

有一个新闻app叫SmartNews，用户月均使用时长已经高于谷歌新闻和苹果新闻的总和，是美国新闻类应用程序中估值最高的公司。让我印象很深的是，他们的CSO任宜在采访中说过“很多公司会自然地给算法设置点击率相关的 KPI，也就是短期的转化率。这样做的结果是，算法会在一段时间内给用户推荐很多相似的内容。慢慢地，一个人的兴趣和喜好就会变得越来越窄“。在任宜看来，用户阅读新闻更重要的目的是拓宽知识面，获得新的思考。所以，SmartNews 算法设定了更加长期的 KPI。被推送的内容可能短期内的点击率不高，但从长期看却能帮助用户发现新知识。

以 2016年的美国大选为例，一般的算法机制会给用户推荐其政治立场相似的报道，但 SmartNews 却在产品中加入了“政治平衡算法”，使用户也能看到与其固有立场不同的内容。

所以我们看到，相较于个性化推荐，SmartNews更像是一款“个性化发现”的产品。而个性化发现必然会带来短期的指标下降，但是SmartNews证明了短期的下降有可能带来长期的上升。但是背后的压力是要高管承担的，SmartNews是一个还没有上市的创业公司，能这么搞，这么搞也成为他们融资的卖点。不过我真的不确定，抖音头条等，那么大体量的公司，在这个内卷化的时代，也敢这么搞。