最近在入门学习做一个推荐策略产品经理，在了解完推荐系统的基本链路之后，打算从重排层开始学习。下面整理了一些常见的重排策略（有些业务可能会在召回执行），还没有上升到重排算法那种高阶操作，欢迎大家纠错和补充~

---

一、为什么要推荐？

    1、信息过载

    2、用户不知道他要什么

二、为什么要重排？

    1、商业模式：让甲方爸爸得到满足

    2、产品调性

    3、用户体验：惊喜度、多样性、新颖性

总的来说，就是通过重排解决一些算法无法处理的事情，使前端展示排序更加贴合业务需求

三、一些常见的重排策略？

我的理解下，目前我作为一个初级产品在重排策略中的工作流程应该是：提出假设—>数据分析—>上线实验评估效果—>评估效果进行决策—>持续监测。

其中数据分析这一part是无法验证因果性的，主要是为了给实验找一些依据，提供一些方向。

以下是一些常见的重排策略和对应的应用例子:

调权

1、产品扶持

     1.1 冷启动/长尾item加权：前N个item里面必须出一个冷启动/长尾item，这种策略可以提高结果的惊喜度、多样性、新颖性；

    1.2 产品战略扶持，比如对农村生活小视频进行加权，让此类视频得到更多的曝光。我认为用户偏好在一定程度上是可以培养的，可以从战略上进行提前布局。

2、产品降权打压

    2.1 热门item打压降权，毕竟大家的兴趣都是各种各样的，帮助用户去发现他们的小众兴趣爱好，是可以提升用户粘性的；

    2.2 曝光打压：对曝光多次不转化item排序向下移10位，这种其实厉害的算法是可以学出来的，但是在算法很强大之前，是需要人为来做此类重排干预的。

强插

e.g. 广告强插。

过滤：通过过滤来减少一些无效曝光，同时也可以保证用户体验

1、不可买、不合规过滤；

2、负反馈过滤；

3、上下文过滤：夏天不推羽绒服。

打散

1、前10个item里出现2个A类型，最经典的例子：电商猜你喜欢前10个都是差不多的日常维生素，这样会提高用户的决策成本，严重影响用户体验和效率

2、2个A的位置不能连着。