小红书推荐系统的基本逻辑

用户可以点击进入笔记，如果用户在笔记中停留几秒，就意味着用户不是手滑，而是真的对这篇笔记感兴趣，这将会被算作一次有效点击，有效点击就意味着用户对笔记感兴趣，这将被作为推荐系统的一个信号。接下来，用户可能会向下滑动阅读笔记，如果滑动到底更能说明用户对这篇笔记感兴趣（这个滑动到底指的是笔记内容到底，不包含评论部分，当然，用户阅读了评论也能说明用户对这篇笔记（或内容）感兴趣）。

转化流程

不同的网站和app都会有不同的转换流程，下图是小红书的转化流程：

对于绝大多数从产品前两步都是曝光和点击（比如Youtube、BiliBili、淘宝、快手、知乎等），值得注意的是抖音不太一样，抖音没有曝光和点击。

业务指标

算法工程师优化业务系统是为了提升一些业务指标，如消费侧指标、内容侧指标、系统侧指标等。

下面简单来说一下消费侧的一些指标。

消费指标

这些指标可以反映出用户对推荐是否满意。

点击率是一个重要的消费指标，但注意不能将点击率作为唯一的优化目标，否则就会导致“骗点击”的内容泛滥。

此外，值得关注的一点是，阅读完成率中含有一个名为f（笔记长度）的归一化函数，这个函数与笔记长度有关，这是因为笔记越长完成阅读的比例就越低，如果没有归一化函数，就会对长笔记不公平。

简单回顾一下归一化函数：

最后还有最重要的一点，这里列出的指标更准确的应该称为短期消费指标，它们都是有意义的，但它们不是衡量推荐系统好坏的根本指标，一味追求这些短期消费指标是不对的，因为如果推荐系统只看用户短期兴趣，推很多用户最近感兴趣的内容，虽然会让这些消费指标上涨，但这样的坏处是会竭泽而渔，用户很快会失去兴趣不再活跃，相反，如果把多样性做好，尝试一些用户没看过的话题，虽然这些指标不会上涨，但是有利于提高用户粘性，让用户更活跃。

北极星指标

相比短期的消费指标，衡量推荐系统好坏最重要的指标叫做北极星指标。

北极星指标意思就是最关键的指标，是衡量推荐系统好坏的根本标准

在小红书的推荐系统中，就会考察以下三个维度的北极星指标：

通常来说，点击率（属于消费指标）与时长、阅读数量（属于北极星指标）的涨跌是一致的，万一有冲突，要以北极星指标为准。

实验流程

算法工程师的工作就是对模型、特征、策略、系统做改进，从而提升业务指标。对推荐系统的改动能否最终上线要看实验结果说话。下面进行优化推荐系统的实验流程：

离线实验很容易做，因为不需要把算法部署到产品中，没有跟用户实际交互，不需要占用线上流量，也不会对系统和用户产生负面影响。离线实验的结果有参考价值，能大致反映出算法的好坏，但是离线实验没有线上实验可靠，想最终判断算法的好坏，还是要做线上实验。

比如前面提到的北极星指标，都是线上指标，只能通过线上实验获得。

推荐系统的链路

召回