劉強

所謂商業(yè)價值，通俗來說就是推薦系統(tǒng)怎么更好的幫助公司掙錢。那么從哪些維度來體現(xiàn)推薦系統(tǒng)的商業(yè)價值？怎么量化推薦系統(tǒng)的商業(yè)價值？怎么提升推薦系統(tǒng)的商業(yè)價值？在挖掘推薦系統(tǒng)商業(yè)價值的過程中需要關注哪些問題？這些問題是任何從事推薦算法開發(fā)的工程師、推薦產(chǎn)品經(jīng)理、推薦團隊負責人，甚至是企業(yè)的管理者必須思考的問題。本文將會圍繞這些點展開講解，希望可以給讀者一些啟發(fā)，相信讀者讀完，對這些問題一定有初步的了解。同時結合自己公司的業(yè)務，也會有自己的思考和理解。

為什么要關注推薦系統(tǒng)的商業(yè)價值

盈利是公司運營最重要的目的，也是企業(yè)管理者最關注的問題。企業(yè)任何一項業(yè)務如果不能直接或者間接與商業(yè)價值掛鉤，對公司產(chǎn)生價值，就毫無價值，甚至是資源浪費。從某種程度上來講，任何業(yè)務與商業(yè)變現(xiàn)的關聯(lián)越緊密越明顯，就越能體現(xiàn)出它的價值。推薦系統(tǒng)也不例外，你能夠多好的將推薦系統(tǒng)與商業(yè)變現(xiàn)結合起來并產(chǎn)生商業(yè)價值，就能夠多好的體現(xiàn)個人的價值，并得到領導的認可和重視。

從推薦算法工程師特別是推薦系統(tǒng)負責人的角度來說，你要盡早的量化推薦系統(tǒng)的商業(yè)價值，為公司的商業(yè)變現(xiàn)提供支撐，只有挖掘出了推薦系統(tǒng)的商業(yè)價值，才能更好的發(fā)揮團隊的價值，同時，團隊也會更有成就感。只有推薦系統(tǒng)真正產(chǎn)生商業(yè)價值你才可能得到老板的認可， 才會獲取更多的資源讓推薦系統(tǒng)持續(xù)發(fā)展壯大。通過推薦系統(tǒng)獲取商業(yè)價值的案例是大家耳熟能詳?shù)?，像亞馬遜、Netflix都通過推薦系統(tǒng)產(chǎn)生了極大的商業(yè)利潤，推薦系統(tǒng)每年為Netflix產(chǎn)生的商業(yè)價值就超過10億美元。

衡量推薦系統(tǒng)商業(yè)價值的維度

在介紹推薦價值維度之前，首先講到的是在互聯(lián)網(wǎng)產(chǎn)品中可能存在的盈利模式。目前互聯(lián)網(wǎng)產(chǎn)品主要有四種盈利模式：游戲（游戲開發(fā)、游戲代理等）、廣告、電商、增值服務（如會員等），這其中后面三種盈利模式都可以利用推薦技術來做得更好，加速變現(xiàn)的進程，產(chǎn)生更多的收益。我們可以利用推薦系統(tǒng)將互聯(lián)網(wǎng)公司通過打造產(chǎn)品為用戶提供服務的過程跟后面廣告主、用戶、“標的物”提供方這三種變現(xiàn)方式聯(lián)系起來，其中平臺方的產(chǎn)品是核心，分別連接用戶、“標的物”提供方和廣告主（或者廣告平臺）， 這3條連線代表后三種主流盈利模式。

這三種變現(xiàn)方式都離不開大量活躍的忠實用戶，推薦系統(tǒng)幫助公司更好的在這三種變現(xiàn)模式上提升變現(xiàn)能力的同時， 也會強調(diào)推薦系統(tǒng)在促進用戶活躍留存上的價值，雖然這不能直接產(chǎn)生商業(yè)價值，但是用戶始終是一切商業(yè)價值的保障和核心。同時，推薦系統(tǒng)可以讓“標的物”得到更高效率的分發(fā)，提升整個平臺的運營效率，有效節(jié)省公司資源，這也會產(chǎn)生隱形的商業(yè)價值。

1.廣告變現(xiàn)

所謂廣告變現(xiàn)，即在產(chǎn)品上投放互聯(lián)網(wǎng)廣告，通過將廣告曝光給用戶或者用戶點擊廣告獲取收益，掙的是第三方（即廣告主）的錢（如果不是自建廣告平臺，將流量外包給廣告聯(lián)盟，獲取的收益就是廣告聯(lián)盟的分成），即所謂的羊毛出在豬身上。當然，廣告有很多種方式，有展示廣告、品牌廣告、效果廣告、信息流廣告等。

一般公司在發(fā)展到一定用戶規(guī)模后，會通過將流量給到廣告聯(lián)盟或者自建廣告平臺來承接廣告變現(xiàn)能力。創(chuàng)業(yè)公司或者希望將廣告業(yè)務做輕的公司一般采用流量外包的方式來做廣告變現(xiàn)，有一定規(guī)模的或者廣告業(yè)務是核心業(yè)務的公司會采用自建廣告平臺的方式來做廣告變現(xiàn)。廣告精準投放本身就是一個復雜的技術工程問題，實現(xiàn)的算法技術也跟推薦系統(tǒng)具有很多相似性，同時也會依賴用戶畫像等大數(shù)據(jù)基礎能力。這里作者不細說廣告精準投放相關技術，只從推薦系統(tǒng)角度來說說推薦怎么為廣告變現(xiàn)帶來商業(yè)價值。如視頻行業(yè)，推薦系統(tǒng)推薦的視頻是可能包含前貼片廣告、暫停廣告的，可以說這些廣告是通過推薦業(yè)務帶來了曝光，可以量化出通過推薦算法帶來的每日廣告CMP，同時可以計算由推薦產(chǎn)生的廣告的轉化率、每次播放平均廣告曝光時長等與整個大盤的對比。因為推薦的視頻一般比大盤更精準，用戶點擊的概率會更大，從而可以帶來比大盤更好的轉化效果，通過量化這些指標，可以體現(xiàn)推薦系統(tǒng)在廣告曝光上產(chǎn)生的商業(yè)價值。

隨著今日頭條的崛起，信息流一詞也越來越火，利用信息流技術來做推薦，基本被所有的新聞資訊類App、短視頻類App所采用，并且是作為主要的內(nèi)容分發(fā)技術?，F(xiàn)在連手機百度App全面信息化，微信“朋友圈”、“看一看”也是一種信息流。隨著信息流技術的成熟及在提升內(nèi)容分發(fā)和提升用戶使用時長等方面的價值， 企業(yè)商業(yè)變現(xiàn)的訴求催生了信息流廣告技術。信息流廣告可以完美地跟近實時個性化推薦結合起來，通過借助個性化推薦的巨大流量及精準興趣匹配，讓廣告產(chǎn)生最大化的商業(yè)價值。

總體來說，不管是視頻的貼片廣告還是新聞短視頻的信息流廣告，推薦系統(tǒng)的商業(yè)價值主要體現(xiàn)在提升廣告的曝光與轉化。

2.電商變現(xiàn)

電商中的商品，是指廣義的物品，除了實物商品外還包括虛擬物品（如網(wǎng)絡小說、網(wǎng)絡課程等）。平臺方（如天貓）的電商變現(xiàn)，是通過入駐的商家掙錢（商家商品售賣按照其銷售額（不包含運費）的一定百分比（簡稱“費率”）交納的技術服務費（分成）;為商家提供軟件服務，如數(shù)據(jù)分析/庫存管理、行業(yè)趨勢分析等的服務費）。推薦系統(tǒng)通過高效的分發(fā)商品，將商品推薦到對它有購買意愿的用戶眼前，促進商品的售賣，從而從商家獲取更多的分成。

另外，像淘寶、快手這類公司，類似房產(chǎn)中介，提供一個平臺，對接用戶和“標的物”提供方，為了讓這個平臺可以穩(wěn)定、健康的發(fā)展，必須考慮滿足“標的物”提供方的訴求。只有“標的物”提供方能夠在這個平臺上掙到錢，才會有更多的“標的物”提供方入駐該平臺，生產(chǎn)更多優(yōu)質的“標的物”。有了這些“標的物”，才能留得住用戶，這樣整個系統(tǒng)才是一個穩(wěn)定的生態(tài)系統(tǒng)，平臺方的生意才能持久、欣欣向榮。推薦系統(tǒng)需要維護好“標的物”提供方的利益，因此需要從機制和算法上至少做到下面四點：

①為新的“標的物”提供方提供掙錢的機會;

②讓“創(chuàng)造”優(yōu)質“標的物”的提供方得到更多的曝光，掙到更多的錢;

③為新的“標的物”提供曝光的機會;

④為優(yōu)質“標的物”提供更多曝光的機會。

3.增值服務變現(xiàn)

這里先解釋一下增值服務，增值服務主要是指“特色服務”，在保證基本服務的同時， 進行超出常規(guī)的，個性化的服務。比如視頻行業(yè)的會員、游戲行業(yè)的裝備、QQ空間的黃鉆等都屬于增值服務范疇。我們這里拿視頻行業(yè)中“推薦如何促進會員購買”來說明推薦在增值服務變現(xiàn)上的商業(yè)價值，其他行業(yè)的增值服務可以根據(jù)類似思路結合具體業(yè)務場景具體分析。

推薦系統(tǒng)通過精準地為非會員用戶推薦他（她）感興趣的會員節(jié)目， 提升會員節(jié)目在非會員用戶的曝光，從而促進非會員用戶購買會員。個性化推薦能夠更好的挖掘用戶深層的興趣需求， 準確觸達用戶的興趣點， 從而帶來更精準的會員節(jié)目推薦。另外，個性化推薦也可以讓更多的冷門但優(yōu)質的會員節(jié)目得到曝光的機會。推薦體驗越好，用戶就更容易在這個平臺上找到想看的內(nèi)容，自然黏性就更高，也更容易持續(xù)付費。所以，推薦系統(tǒng)在視頻行業(yè)增值服務上的價值主要體現(xiàn)在提升會員的轉化與會員留存。

4.用戶增長

無論上面提到的互聯(lián)網(wǎng)公司主要的四種盈利模式中的哪一種，想盈利都離不開用戶。只有具備大量的用戶，用戶持續(xù)使用產(chǎn)品，在產(chǎn)品上停留更長的時間，平臺方才有機會獲得更多的利潤。所以，推薦系統(tǒng)需要更好的服務用戶，提升用戶留存、活躍，占領用戶的時間才能幫助平臺方讓用戶沉淀下來。有了大量的用戶才有盈利的基礎，因為好的推薦系統(tǒng)，可以提升用戶滿意度，提升會員購買的續(xù)訂率，占領用戶更長的時間也才會讓更多的廣告得到曝光展示的機會。所以，下面的用戶增長也是推薦系統(tǒng)需要關注的隱形的商業(yè)化指標，雖然不能直接產(chǎn)生利潤，但卻是利潤產(chǎn)生的根基。用戶增長是指提升用戶留存、活躍、停留時長。

5.成本節(jié)省及效率提升

推薦系統(tǒng)對平臺方的價值，除了上面提到的直接商業(yè)價值及促進用戶增長帶來的間接價值外，推薦系統(tǒng)可以提升內(nèi)容的分發(fā)效率，用更少的人力成本在更短的時間讓內(nèi)容得到更大程度的分發(fā)，利用個性化推薦可以做到千人千面，甚至是近實時的個性化推薦，采用人工編排的方式是無法做到這一點的。頭條戰(zhàn)勝傳統(tǒng)的新聞門戶網(wǎng)站，最主要的功勞就是從創(chuàng)業(yè)開始就以個性化推薦系統(tǒng)為核心技術，大大提升了內(nèi)容的分發(fā)效率，根本不用招聘大量的編輯來對內(nèi)容做低效的手工整理和編排。

推薦系統(tǒng)的商業(yè)價值可以表現(xiàn)在如下7個子維度：

①提升廣告的曝光與轉化;

②促進“標的物”提供方（即商家）生態(tài)繁榮;

③促進“標的物”售賣，獲取更多經(jīng)濟收益;

④提升會員的轉化與會員留存;

⑤用戶增長：提升用戶留存、活躍、停留時長;

⑥節(jié)省人力成本;

⑦提升內(nèi)容分發(fā)效率;

從這7個子維度來詳細說明怎么量化推薦系統(tǒng)的商業(yè)價值，有哪些思路和方法？

量化推薦系統(tǒng)商業(yè)價值的思路和方法

管理學大師彼得德魯克曾經(jīng)說過，“你如果無法度量它， 就無法管理它”。對于推薦系統(tǒng)，也是一樣。我們只有度量出推薦系統(tǒng)的商業(yè)價值，才知道目前的狀況，哪里存在問題，哪里有優(yōu)化空間，最終才知道從哪些角度來優(yōu)化，從而讓推薦系統(tǒng)創(chuàng)造更多更持久的商業(yè)價值。

上一節(jié)我們從5個大維度7個子維度來說明推薦系統(tǒng)的商業(yè)價值，在本節(jié)中我們側重怎么具體地量化推薦系統(tǒng)的商業(yè)價值，有哪些指標可以衡量推薦系統(tǒng)在各個維度上的價值，只有知道怎么量化商業(yè)價值，才能更好的提升商業(yè)價值。

下面的分析，更多的是提供量化推薦系統(tǒng)商業(yè)價值的思路，具體的落地還需要推薦算法工程師發(fā)揮自己的聰明才智，結合自己公司的業(yè)務特點來思考細化，并最終量化出來，同時在實踐過程中不斷優(yōu)化，找到最佳的量化維度和指標。

1.提升廣告的曝光與轉化

不管是視頻的前貼片廣告還是推薦信息流廣告，可以統(tǒng)計一定周期內(nèi)通過推薦產(chǎn)生的廣告曝光、展示、點擊、轉化率等指標。統(tǒng)計周期可以是天、周、月等維度。

拿視頻貼片廣告來說，可以統(tǒng)計每天通過推薦算法產(chǎn)生的CPM。根據(jù)該行業(yè)每個CPM多少錢，這就間接的體現(xiàn)了推薦系統(tǒng)帶來的廣告收益。

另外，為了體現(xiàn)推薦系統(tǒng)在高效個性化精準分發(fā)上對廣告帶來的價值（我相信因為推薦更精準，用戶對推薦嵌入的廣告的耐受度會更高， 未來我們團隊也會在這個方面做一些數(shù)據(jù)分析探索），需要提煉出可以與大盤對比的指標， 比如下面的幾類指標：

①人均廣告播放時長及大盤廣告播放時長對比;

②廣告轉化率與大盤轉化率的對比;

③使用推薦算法的用戶人均點擊廣告次數(shù)與大盤用戶人均點擊廣告次數(shù)對比。

同時，我們還可以統(tǒng)計不同的推薦算法模塊在這些指標上的差異點，知道哪個推薦模塊帶來的廣告價值更大。

2.促進“標的物”提供方（即商家）生態(tài)繁榮

由于作者沒做過電商推薦， 為了內(nèi)容的完整性， 這里我拿淘寶來舉例說明， 不當之處在所難免，也歡迎有過電商推薦經(jīng)驗的朋友指正、交流。

首先，我們要基于大數(shù)據(jù)統(tǒng)計在一定周期內(nèi)商家提供的商品的點擊、評論、購買、反饋、收藏、退貨、投訴、物流等情況，結合商家商品的素材及商家用戶畫像，給商家及商家的不同商品打分（這個打分是動態(tài)變化的）。推薦系統(tǒng)會根據(jù)用戶行為，在離線階段，根據(jù)推薦算法召回用戶可能會喜歡的物品，在排序階段，結合上面的物品商家打分及可能的運營規(guī)則對商品做排序。

推薦系統(tǒng)在促進商家繁榮上的價值，需要根據(jù)上面的介紹，給新入駐的商家、新上線的商品、評分高的商家、評分高的商品更多的曝光機會、更好的排序位置，可以量化的指標主要有：

①新上線商品在一定周期內(nèi)通過推薦算法產(chǎn)生的總售賣數(shù)量、總售賣金額、售賣數(shù)量增長率、總金額增長率;

②新入駐商家在一定周期內(nèi)通過推薦算法產(chǎn)生的售賣數(shù)量、總售賣金額、售賣數(shù)量增長率、總金額增長率;

3.促進“標的物”售賣，獲取更多經(jīng)濟收益

在促進“標的物”售賣上，我們可以量化推薦系統(tǒng)的如下指標：

①通過推薦產(chǎn)生的“標的物”售賣數(shù)量、金額;

②通過推薦人均購買的“標的物”數(shù)量、金額及大盤人均售賣數(shù)量、金額;

③通過推薦售賣的不同（長尾）“標的物”的總量（去重）;

④通過推薦產(chǎn)生的商品轉化（曝光->瀏覽，瀏覽->增加購物車，添加購物車->付款等的轉化）及大盤轉化。

通過這些指標可以衡量推薦系統(tǒng)在提升售賣變現(xiàn)上的價值。同樣的，我們可以統(tǒng)計不同的推薦業(yè)務、不同的行業(yè)、不同的商品品類在上述指標上的差異，確定不同推薦產(chǎn)品產(chǎn)生價值的大小，指導我們有針對性的優(yōu)化不同的推薦產(chǎn)品形態(tài)。

4.提升會員的轉化與會員留存

推薦系統(tǒng)在促進會員購買方面，除了上面3提到的4個指標對會員也適用外，還可以關注推薦在促進會員留存方面的價值，我們可以關注如下指標：

①通過推薦會員節(jié)目產(chǎn)生的累計會員購買人數(shù)、次數(shù)、金額;

②一定周期內(nèi)通過推薦會員節(jié)目產(chǎn)生的會員購買人數(shù)、次數(shù)、金額及大盤占比;

③可以統(tǒng)計經(jīng)常使用推薦的用戶和不頻繁使用推薦功能的用戶購買會員的比例、頻次、購買金額等的差異;

④在相同時期的新用戶，在后續(xù)使用期間，經(jīng)常使用推薦的用戶和不頻繁使用推薦功能的用戶在會員續(xù)費率上的變化.

5.用戶增長：提升用戶留存、活躍、停留時長

用戶增長對整個公司的發(fā)展非常關鍵，前面也說過用戶增長是變現(xiàn)的根基。這里我們拿視頻行業(yè)來舉例說明，其他行業(yè)類似，推薦在促進用戶增長上的指標可以體現(xiàn)在如下幾個方面：

①通過推薦算法產(chǎn)生的總播放量、總播放時長及分別對應的大盤占比;

②通過AB測試，首頁增加更多個性化推薦和完全人工推薦對新增用戶的一天、三天、七天、一個月留存率等留存指標;

③通過AB測試，比較使用推薦的用戶和不使用推薦的用戶播放視頻時間與在產(chǎn)品上的停留時間之比（用戶在視頻App上的目的就是觀看視頻， 觀看視頻與停留時間之比越大，說明用戶體驗越好， 極端情況下這個比值為1，這時用戶進入App就開始播放喜歡的視頻直到退出App。

6.節(jié)省人力成本

推薦算法具體節(jié)省的人力成本確實無法精確計算，但是可以拿視頻網(wǎng)站的首頁進行類比。如果純用人工編排首頁，假設需要5個人力，那么這5個人力一年的工資總額就是首頁編輯一年的成本;如果采用推薦算法，成本就是前期推薦算法開發(fā)部署的成本，加上算法維護，以及運行一年需要的服務器成本。我們先不考慮兩者推薦的效果問題，當產(chǎn)品形態(tài)非常復雜，就需要更多的人力來維護首頁，而算法基本是一次性投入，具有規(guī)模效應，大家應該可以想象得到，隨著業(yè)務復雜性提升，算法的成本基本是恒定的，而編輯成本是線性增加的，所以在極端復雜的產(chǎn)品或者有多個產(chǎn)品矩陣需要維護的視頻公司中大量采用推薦算法，可以不必招聘這么多編輯，從而可以大大減少人力成本。

7.提升內(nèi)容分發(fā)效率

推薦系統(tǒng)相比人工編輯編排天然具有千人千面、完全自動化、近實時更新等優(yōu)勢， 可以做到內(nèi)容的精準高效分發(fā)。我們可以從如下指標來體現(xiàn)推薦系統(tǒng)的分發(fā)效率。

①每天通過推薦算法分發(fā)的“標的物”的數(shù)量（去重）及在大盤分發(fā)量中的占比;

②通過推薦算法產(chǎn)生的人均播放量、人均播放時長與非推薦算法產(chǎn)生的人均播放量、人均播放時長的對比;

提升推薦系統(tǒng)商業(yè)價值需要關注的問題及建議

在上一節(jié)我們提到很多衡量推薦系統(tǒng)商業(yè)價值的指標， 那要怎樣提升這些指標呢？有什么方法和技巧？推薦系統(tǒng)商業(yè)價值的挖掘是一個非常偏業(yè)務的問題，上面提到的只是一些非?；A的點，實際落地量化時需要結合公司的業(yè)務、行業(yè)、階段、戰(zhàn)略方向等來具體調(diào)整、規(guī)劃、實施。在這一節(jié)我們提供一些提升推薦系統(tǒng)商業(yè)價值的建議及需要關注的問題，供讀者參考。

1.要事第一，分清主次和優(yōu)先級

上面提到推薦系統(tǒng)的商業(yè)價值有很多方面，由于公司資源有限、公司所在的階段也不一樣，所以一定要有側重點，不能胡子眉毛一把抓，否則什么都做不好。在某一段時間或階段一定要結合公司當前的業(yè)務重點，集中注意力到少量的幾個指標， 這樣才能更有針對性的挖掘量化出推薦系統(tǒng)的商業(yè)價值。

2.完善推薦算法數(shù)據(jù)打點，方便統(tǒng)計

上一節(jié)提到的所有指標，基本都涉及數(shù)據(jù)統(tǒng)計，同時絕大多數(shù)統(tǒng)計都涉及用戶在產(chǎn)品上的行為，這就需要記錄用戶的行為?；ヂ?lián)網(wǎng)公司一般通過數(shù)據(jù)埋點的方式將用戶的行為記錄下來并上傳到大數(shù)據(jù)中心，通過數(shù)據(jù)分析挖掘用戶行為，最終獲得對用戶的洞察，所以就要有很好的機制、方法、策略將用戶的關鍵行為記錄下來，只有記錄下來了，才能進行精細化的統(tǒng)計分析。

3.需要搭建高效的AB測試平臺

要想體現(xiàn)推薦算法的價值比人工或者大盤好或者對算法做優(yōu)化，就需要做有說服力的分析對比，目前在互聯(lián)網(wǎng)行業(yè)最有效的對比方式就是做AB測試，通過將用戶分為AB兩組，在同一時間提供不同的服務，通過相同的指標來統(tǒng)計指標在兩組用戶間的差異，從而發(fā)現(xiàn)問題、得出結論。

所以，要很好的體現(xiàn)推薦系統(tǒng)的商業(yè)價值，就需要搭建一套高效易用的AB測試平臺，方便對各種商業(yè)指標做對比分析。

4.商業(yè)價值與用戶體驗的平衡

從上面的講解，我們可以知道toC類產(chǎn)品，商業(yè)價值最終直接或者間接來源于用戶，可以說用戶是公司的“衣食父母”，在做（推薦系統(tǒng)）商業(yè)變現(xiàn)時，一定要重視用戶體驗，讓盈利做到“細水長流”，太注重短期利益，往往會死得很慘。用戶不是傻瓜，用戶只會為他認為有價值的產(chǎn)品或者服務買單。

對于初創(chuàng)公司，當用戶規(guī)模很小時，可以提前思考變現(xiàn)的事情，也可以做適當變現(xiàn)的探索，但更多精力要放到用戶體驗上，更關注用戶體驗，一切以用戶體驗為主，為用戶提供有價值的產(chǎn)品及服務，快速拓展用戶規(guī)模，形成口碑。當用戶規(guī)模足夠大時，可以在商業(yè)變現(xiàn)上投入更多的精力，做更多的商業(yè)化嘗試，畢竟公司要生存下去還得具備變現(xiàn)的能力，同時利用這些能力真正做到變現(xiàn)，但決不能忽視了用戶體驗，兩者需要保持微妙的平衡。

5.盡早量化推薦系統(tǒng)的商業(yè)價值

在成立推薦系統(tǒng)團隊時，團隊負責人不要僅僅只關注有哪些推薦產(chǎn)品形態(tài)落地到產(chǎn)品及推薦點擊等指標，同時還要關注推薦系統(tǒng)的商業(yè)化指標。

在創(chuàng)業(yè)早期，公司可能還沒有考慮商業(yè)化的事情，這時應該花更多時間精力關注推薦系統(tǒng)在用戶發(fā)展上的指標，畢竟這是隱形的商業(yè)化指標。作者在前幾年做推薦系統(tǒng)的時候，只關注有多少推薦產(chǎn)品形態(tài)落地，對指標的事情漠不關心，最近幾年才有了量化指標的意識，并真正地將量化指標落地到了業(yè)務中，這也是最近幾年最大的心得體會和領悟。

6.定期匯報推薦系統(tǒng)的商業(yè)價值

定期向領導或者老板匯報推薦系統(tǒng)的商業(yè)價值，讓領導深刻認識到推薦系統(tǒng)的商業(yè)價值，并結合公司戰(zhàn)略、產(chǎn)品發(fā)展方向及當前的業(yè)務重點，調(diào)整推薦系統(tǒng)產(chǎn)品形態(tài)及核心指標來適應公司業(yè)務發(fā)展的需要。只有展現(xiàn)出了推薦系統(tǒng)的商業(yè)價值，推薦系統(tǒng)才會受到重視，最終才有可能發(fā)揮它的巨大威力。

7.關注推薦系統(tǒng)價值在整個平臺的比重

做推薦系統(tǒng)不僅僅要關注它的絕對價值， 更重要的是要關注它的相對價值，即推薦系統(tǒng)在整個平臺上產(chǎn)生價值的比例（權重），所以對推薦的任何一個商業(yè)指標，最好可以做到跟大盤做對比，知道了在大盤中的比重，這樣才能更好的知道推薦系統(tǒng)的分量。說句很直接的話，誰在公司可以產(chǎn)生更多的商業(yè)價值，誰就可以獲取更多的資源和更多的話語權， 即經(jīng)濟權決定話語權。

8.細化各個推薦模塊的價值

在成熟的產(chǎn)品中，會有很多個推薦算法模塊，每個獨立模塊可以看做一個推薦產(chǎn)品形態(tài)。我們怎么迭代這些模塊呢？是投入相等的資源嗎？

肯定不是。實際上任何一個公司，人力資源一定是緊缺的，根據(jù)二八定律，我們一定是將人力資源投入到產(chǎn)生價值最大的那個模塊，這就需要我們提前量化出各個模塊的相對價值，只有量化了各個模塊的價值，才能將精力投入到最有成效的地方。