第1章 推荐AI产品全景认知
1.1 推荐系统核心概念
推荐系统的本质是在用户与海量物品之间架起一座“信息过滤桥梁”。产品经理需要牢牢抓住三个基本要素：用户、物品、交互，以及将这些要素串联起来的推荐算法。
- 用户（User） — 包含人口属性、兴趣标签、行为序列、实时意图。
- 物品（Item） — 包含内容属性、画像标签、生命周期、质量分。
- 交互（Interaction） — 显式反馈（评分、收藏）与隐式反馈（点击、停留、下滑）。
- 推荐算法（Algorithm） — 协同过滤、内容推荐、矩阵分解、深度学习模型等。
产品经理不必精通算法推导，但必须理解输入—计算—输出的链路，以及每类算法对数据质量和业务目标的依赖。
产品经理行动指南： 在需求阶段，首先要识别“用户—物品—交互”三要素在当前业务中是否完整可采集。缺少任何一环，推荐系统都无法闭环。
1.2 推荐系统的产品价值
推荐系统不是单纯的算法工程，而是直接服务于产品目标和商业增长的产品能力。其价值可以从三个层次衡量：
| 价值层次 | 核心表现 | 典型产品指标 |
|---|---|---|
| 用户体验 | 降低信息过载、提升发现效率、个性化满足 | 点击率、消费时长、留存率 |
| 商业增长 | 转化提升、交叉销售、广告变现、用户时长变现 | 转化率、ARPU、广告收入 |
| 生态价值 | 长尾内容分发、供需匹配、创作者激励 | 内容覆盖率、创作者活跃度 |
当产品经理向业务方或管理层推介推荐项目时，应该从这三个层次中选取与当前业务战略最匹配的价值点，而非泛泛而谈“提升用户体验”。
1.3 业务场景分类
推荐系统的落地场景极为广泛，不同场景对数据、算法、交互形态的要求差异显著。以下是最常见的四类业务场景：
- 电商推荐： 以商品为推荐标的，强依赖购买转化，关注加购率、下单率、GMV。典型形态为“猜你喜欢”“买了又买”“搭配购”。
- 内容推荐： 以文章、视频、音频为推荐标的，关注消费时长、完播率、留存。典型形态为信息流推荐、视频推荐、个性化首页。
- 社交推荐： 以人、圈子、动态为推荐标的，关注互动率、关注转化、社交粘性。典型形态为“可能认识的人”“动态推荐”。
- 广告推荐： 以广告创意为推荐标的，关注点击率、转化率、eCPM。需要平衡用户体验与商业收入。
场景诊断提示： 拿到一个推荐需求时，先判断它属于哪类场景——场景决定了数据采集策略、推荐目标函数和评估指标的侧重点。
1.4 用户需求层次
推荐系统的根本驱动力是用户需求。产品经理需要区分不同层次的需求，才能设计出真正有用的推荐策略。用户需求由浅入深可分为三层：
- 显性需求： 用户主动表达的偏好或目标，如搜索“夏季连衣裙”、收藏“悬疑电影”片单。推荐应优先满足显性需求，保证基础满意度。
- 隐性需求： 用户没有明说但行为透出的意图，如频繁浏览某类内容但未收藏。推荐应通过行为序列建模捕捉这些信号，提供“意料之外、情理之中”的结果。
- 场景需求： 用户在特定时间、地点、设备、心情下的瞬时需求，如午休时看短视频、睡前听轻音乐。推荐需要结合上下文特征（时间、位置、设备、网络）动态调整。
优秀推荐产品能够同时满足三个层次的需求：先用显性需求建立信任，再用隐性需求制造惊喜，最后用场景需求提升实时粘性。