前言：以下分享，@张润涛 同学（清华小鲜肉，腾讯短视频推荐系统PM），先梳理后整理成文章。

【一个问题】

推荐系统PM最主要的工作是哪几件事？

【一个观点】

一、驱动短视频推荐系统的5个核心方面

1 内容：包括内容数量、内容特征标识；

2 用户：包括用户量、用户固有关系链、用户固有属性；

3 用户-内容连接通道：比如阅读、点赞、评论、负反馈等；

4 沉淀期：引入外部画像、积淀自身画像；

5 策略与算法：比如圈子、内容同好、个性关键词、个性主题、个性分类、同地域等等，策略背后对应不同的算法，比如协同过滤、向量匹配、逻辑回归模型等等。

（这里的策略，是后期的核心玩法。里面每一个点都是一个优化、改善的地方。推荐PM值得去多多看看）

1~4是地基，决定用户画像的质量；5是上层应用，设计得好了可以增加用户粘性，反补用户画像。两方面是互相推动的~。

（注：沉淀期主要就是数据累计、分析、算法模型迭代，同时也会尽可能引入外部画像，尤其在冷启动方面）

二、短视频推荐系统PM的工作

1、在上述5个方面中不断推进，其中，第5个部分会和算法工程师沟通比较多。

2、日常工作还包括若干功能形态的设计，比如：视频插入推荐的形态、视频负反馈的形态等等，但这部分因场景而异。

【四点细节】

一、内容特征的选择需要PM参与吗？  需要

1、这部分主要是媒体编辑和PM决定的，反而算法RD参与少。

2、标识主要就是给视频打标签，那么打哪几类标签、标签粒度多细，都是需要PM决定的。

3、PM设计好标签，由编辑打，或者是直接引入CMS或者OM内容的标签，这样人力成本会更低（尤其是在刚开始的时候）。

二、用户与内容的联通，除了显性的设计，隐形的挖掘需要PM参与吗？ 需要

1、PM需要提所需上报的数据，比如：用户点击了一条视频，那么此时就需要上报点击时间、uid、视频vid、视频所属策略、视频所属分类、点击位置等等。这部分必须是由PM来提的。

三、PM如何选择策略？比如更多根据用户相关而非产品相关来推荐，决策依据是什么？

1、一般有先验知识的情况下，我们会在列表页放更多个性化推荐，在底层页放更多内容相关推荐。但是，最终是需要通过数据去不断验证、反复迭代的，尤其是在特别精细粒度的选择上。

2、先验的知识，一方面是过去的数据分析所得结果，另一方面是结合生活经验的——比如如果我们判断用户地理位置在早上飞速变化，那么基本可以通过生活经验判定他可能在地铁上，此时就会设计在这个场景下的策略。

四、现在有主要针对的视频内容方向吗？

1、目前，视频内容池覆盖非常全，一共有30+个分类，基本上业界有的视频分类都有。

2、目前，不会去刻意强推哪一类的视频，因为用户需求是千人千面的（虽然有很多头部的共性欲望），所以都是根据用户的兴趣画像自然推荐的。

以上内容，原文出@张润涛，点评整理自饭团“策略产品经理研习社”，点击这里可关注：https://fantuan.guokr.net/groups/149349010586624?utm_source=kuahao 

---------------------

更多干货可关注微信公众号：凤城狂客（chanpin007）

想学习更多关于产品策略、工作、认知和干货，可关注公众号进入知识社区（免费）。

同时，也欢迎小伙伴加我的微信：mllianai交流。