冷启动系统优化与内容后劲预估通常

背景

每平每屋是阿里巴巴旗下家居家装平台，涵盖淘宝每平每屋家居频道、每平每屋设计家、每平每屋App、每平每屋制作业等家居全链路服务，为消费者提供了2D短图文、长图文、3D样板间、3D短视频、VR全屋遨游等丰盛多元的家居内容，逐渐成为当代年轻人生存灵感与家居装修的导游之一。

淘宝内的每平每屋频道是每平每屋业务失掉C端流量并启动内容散发从而树立用户家居、生存方式心智场的关键阵地。在每平每屋频道中，内容关键以场景搭配为主，内容内挂载了多个商品锚点，点击商品锚点可以跳转到商品的概略页成功进一步收藏、购置等行为。

随着业务的极速开展，供应的内容类型 和， 内容量级也片面参与，而现有的共性化散发战略难以充沛满足内容创作者和内容消费者的诉求。详细地，关于内容消费者而言，宿愿在平台上失掉到优质、适用的内容。关于内容创作者来说，则宿愿自己颁布的内容被更多的人看到和认可。

以效率至上的共性化散发算法只管能够满足用户的短期诉求，但常年来看会造成平台流量被头部高热内容占据，长尾内容不可失掉有效曝光，从而造成局部创作者的内容不可及时取得有效的反应，消费踊跃性会大大降低，甚至从平台散失。综上，除了从算法散发的视角来优化平台的流量调配战略外，还要求咱们从内容生态的角度来思索如何处罚创作者消费更多优质内容并保障这些内容能够被消费者看到。

、排序和机制战略中，咱们引入了若干算法战略来优化介绍内容的多样性降低系统的马太效应，但这局部优化关键是在存量内容上失效，关于新颁布的内容则依赖于冷启动系统的减速。每平每屋的冷启动链路先后阅历了从定坑展现到基于Visual EE的灵活混排战略迭代。然而，随着内容供应速度的优化，有限的冷启动流量难以满足新发内容的极速显显露和潜在优质内容的极速生长诉求。本文将引见咱们在冷启动系统驳回两阶段多级流量加大战略和内容后劲预估模型的通常阅历。

冷启动系统优化

咱们将新内容的冷启动分为了两个阶段：

平均保量阶段的目的为缩短新内容首曝期间并确保能够公平地失掉曝光时机。而助推加大阶段的目的是协助内容极速生长，合乎条件的新内容从今蠢才配的固定流量池相互竞争失掉流量，潜在的优质内容将会在这个阶段极速失掉到必定的曝光数量，放慢其生长速度。

因为新内容缺少线上的反应数据，直接复用主链路的召回排序算法会造成对新内容的预估结果偏向较大，所以咱们为冷启动链路设计了一套独立的召回排序链路。为了在缺少反应数据的条件下尽或者将潜在优质内容排序靠前，咱们还设计了一个内容后劲预估模型，并将该模型的预测分用在召回和排序算法中。冷启动链路的介绍结果会联合主链路结果和调控分数启动生成式重排，最终确定冷启动内容能否在当次恳求中展现以及展如今第几个坑位。

平均保量

平均保量是处置创作者流量确定性的第一个过程。在咱们的系统中，最近7日内新颁布并且曝光pv < x的内容会进入到平均保量投放的阶段，当内容投放到达曝光pv下限后则会分开该阶段，该阶段会确保每条新内容都能取得必定的初始曝光，搜集到的反应数据有助于新内容在主链路中的显显露。

为了防止一些创作者经过批量消费内容来失掉系统流量，咱们依据创作者历史消费内容的线上体现计算出了创作流量效率指数，依据该指数解放每个创作者每天在平均保量阶段可以取得的流量下限 m，当作者创作的新内容在今天累计取得的曝光pv > m时则不再对内容启动保量投放。

助推加大

平均保量战略有效缓解了新内容首曝周期长和难以取得初始流量的疑问，但该链路没有充沛思索到给予潜在优质内容更多的流量，减速其生长为抢手内容。咱们为新内容引入助推生长的过程，依据内容在线上投放的实时体现灵活调整搀扶流量，随着效果的提高逐渐加大流量，给予优质内容失掉更多流量。

助推加大链路会对曾经取得过一局部曝光并且点击率大于指定阈值min_ctr的内容口头分级的流量加大战略，在该战略中内容的搀扶流量下限会随着内容实时的点击率灵活的调整。咱们依据大盘的内容效果和可用于搀扶的流量比例划分了k个助推等级，依据实时计算的后验点击率确定内容所属的助推级别，当内容在助推链路中的曝光pv > 下限n后内容则会从助推链路中分开。

咱们在21年5月底启动了冷启系统优化的名目，新系统逐渐放量，从期间周期来看，自线上运转以来，近 出现逐渐提高的趋向，而 出现逐渐降低趋向，标明新系统关于提高全体介绍系统的流量新颖度具备正向促成作用，近7天颁布内容pvr

助推加大阶段引入了分级流量加大机制，将用于冷启搀扶的流量更多歪斜到潜在优质内容，减速优质内容生长。咱们驳回近7天冷启链路曝光的内容在最近1天惯例链路散发下的pctr权衡搀扶效率。详细公式定义为：

其中 为内容在冷启链路失掉的曝光PV， 为内容在惯例链路中统计失掉的CTR。思索到CTR的计算依赖曝光量，经常使用 示意仅统计在惯例链路下取得>100次曝光的内容，efficiency +30% , efficiency_limit +39.9%。

内容后劲预估模型

咱们设计内容后劲预估模型来预测新颁布的内容在未来生长为抢手内容的概率。模型以内容能否能成为抢手为目的，将在颁布7天内迅速取得高曝光高点击的内容为正样本，其他为负样本。经过模型训练，捕捉内容生长为抢手的特色，从而开掘出有后劲的内容。

在特色选用上，关键分为2类：内容属性特色和内容封面图特色。其中，内容属性特色包含：内容所属的格调、空间，挂载商品的id、类目、店铺、组合多少钱等。经过一个预训练的模型提取对应的封面图图像embedding特色。值得留意的是，咱们无看法地避开点击率等基于用户交互行为的统计特色，以期更专一于内容自身启动后劲预估。

在样本结构上，咱们采取两种打算：

打算一：设定曝光PV和点击率阈值，高于阈值的为正样本，否则为负样本；

打算二：首先，依据内容曝光PV对点击率启动校对。其次，将空间x格调维度下，内容颁布7天后累计点击率高于维度内平均点击率的内容为正样本，其他为负样本。

打算一在正样本的选用上更为严厉，能够确保是抢手的内容。打算二思索了不同空间微格调内容下内容点击率的差异，然而或者会将维度内抢手但全局非抢手内容的设置为正样本。

在Wide & Deep模型基础之上设计后劲预估模型，详细改变有两处：

下表展现了基于上述两种打算训练的模型启动后劲预估，P(is_hot)位于top10%的内容在颁布7天后在冷启完结后的人造介绍取得曝光PV的散布。

第一行的0-5是内容曝光PV的范畴划定：数值越大，对应的曝光PV越高。从占比上看，打算二在后劲内容开掘上准确性更高。

后劲预估分关键被运行于干预线上冷启链路内容的召回和排序算法。希冀关于P(is_hot)高的内容，给予更高的冷启PV；同时，关于P(is_hot)低的内容，缩小其冷启PV，以节俭一局部冷启流量。在详细成功上，咱们区分将后劲预估分作为冷启链路排序模型的一个特色和召回链路的截断分。

咱们统计了线上完整7天的AB试验结果。

另外，咱们统计了线上冷启链路完整AB7天的效果。

相比拟于冷启搀扶baseline，将基于打算一输入的内容后劲预估分作为冷启链路粗排模型的特色，全体收益为正，二跳相关目的优化清楚。而打算二全体收益为负，或者是将维度内抢手但全局非抢手内容的设置为正样本带来了负向影响。

进一步地，咱们将打算一的后劲预估分作为冷启链路中叶子类目单链路召回的截断分。下表展现了线上完整7天AB试验结果。

而在冷启链路上完整AB7天的效果如下所示。

在冷启链路上优化清楚，并在全体目的上也取得了进一步的优化。

总结

每平每屋频道新内容冷启动散发战略先后阅历了从基于汤普森采样的定坑展现到基于Visual EE的灵活混排战略，在此基础上咱们将整个链路启动从新设计，以平均保量和助推加大两阶段造成的独立算法链路极大的缩减了新颁布内容的首曝期间，优化了全体系统的流量新颖度和冷启动阶段的搀扶效率。咱们引入的内容后劲预估模型经过预估新内容在未来生长为抢手内容的概率来干预冷启链路的召回与排序，有效地协助潜在抢手内容在冷启动阶段取得更多的搀扶流量，优化冷启阶段流量的应用率。

冷启动优化名目取得了初步的成绩，未来咱们会启动更粗疏的优化：