热度算法与个性化推荐

热度推荐算法

新闻热度分=初始热度分+用户交互产生的热度分-随时间衰减的热度分

Score=S0+S(Users）-S（Time)

注意：（1）初始分值根据话题热度不同而不同 （2）热词匹配 （3）用户行为的分值应设置差异

基于内容的相关推荐

分词：建立正常词库与停用词库（助词，介词，动词）

关键词指标：TF（新闻内出现频率）越高，IDF（出现频率反值）越低，该关键词的代表性就越强，这种建立文章标签的方法称为TFIDF模型

相关性算法：相同关键词TFIDF重合计算=新闻的相似度

用户特征：收集用户特征后与文章的关键tap进行匹配

基于用户协同推荐

用户群体划分：外部数据借用+产品内主动询问+用户特征对比

内容实施推荐：通过已有数据匹配相似用户+提取差异内容——推送

内容选取：更具交互动作相似度为文章推荐提供优先级

产品相关文档

市场需求报告 竞品分析 PRD 用户体验报告

启示：产品需要掌握的是什么？

好产品来源于对细节的把握