第一部分 推荐产品的破局之道
第1章 产品创新引领的供给侧变革
1.1 媒介创新比内容更重要
1.1.1 媒介变迁的趋势展望
1.1.2 推荐产品的演化方向
1.2 把控上游的创作工具
1.2.1 创作工具的战略价值
1.2.2 策采编发的全链路重塑
1.3 激励相容的生态机制创新
1.3.1 从广告拍卖机制说起
1.3.2 推荐中的生态机制设计
第2章 技术创新引领的供给侧变革
2.1 殊途的CV与NLP范式
2.1.1 从人工特征到CNN结构
2.1.2 从专家系统到RNN结构
2.2 走向融合的CV与NLP范式
2.2.1 从注意力机制到Transformer
2.2.2 只需Transformer的内容理解
2.2.3 自回归、生成对抗和扩散范式下的内容生成
2.2.4 大模型时代的推荐产业变革
第3章 从产品视角看需求侧增长
3.1 从AARRR模型看用户增长
3.1.1 获客渠道的选择
3.1.2 激活的定义和误区
3.1.3 从留存曲线看产品优化
3.1.4 产品的商业化变现
3.2 从网络效应视角看用户增长
3.2.1 从网络效应看推荐产品演进
3.2.2 供需匹配的破局策略
3.2.3 理解网络效应时的常见误区
第4章 E & E视角下的新用户推荐
4.1 单状态假设下的Bandit策略
4.1.1 MAB问题的定义与评价
4.1.2 主流Bandit策略介绍
4.2 MDP假设下的模型RL方法
4.2.1 从通盘决策的AlphaGo说起
4.2.2 从模型RL视角看新用户推荐
4.2.3 基于模型RL的实践思路
第5章 元学习视角下的新用户推荐
5.1 快速自适应参数的范式
5.1.1 模型无关的MAML方法
5.1.2 MAML方法的推荐实践
5.2 基于比较归纳的范式
5.2.1 从度量学习到对比学习
5.2.2 比较归纳方法的推荐实践
5.3 仿生记忆机制的范式
5.3.1 从神经图灵机到大模型
5.3.2 仿生记忆方法的推荐实践
第6章 A/B测试是增长的银弹吗
6.1 A/B测试的原理和优势
6.1.1 A/B测试的原理
6.1.2 A/B测试的优势
6.2 滥用A/B测试时的增长困境
6.2.1 难以优化留存等长期目标
6.2.2 难以反向优化出新市场
6.2.3 难以做出真正的产品创新
第二部分 信息推荐
第7章 瞬息万变的新闻推荐
7.1 曾统治硅谷的雅虎
7.1.1 雅虎门户的发展史
7.1.2 雅虎新闻推荐的兴衰
7.2 针对突发新闻的实时推荐策略
7.2.1 非稳态分布下的E & E策略
7.2.2 快慢结合的模型更新范式
7.2.3 让特征动起来的树模型
第8章 获取信息的资讯推荐
8.1 屡失良机的谷歌推荐
8.1.1 对推荐产品崛起的迟钝
8.1.2 困于搜索思维的推荐生态
8.2 相关性需求下的信息检索技术
8.2.1 语义匹配的主流技术
8.2.2 近无损全库遍历的ANN检索
8.3 从峰终定律看排序策略设计
8.3.1 不同需求模式下的体验设计
8.3.2 明确需求下的NDCG优化
8.3.3 多元需求下的多样性优化
第三部分 社交和社区推荐
第9章 永远年轻的社交产品
9.1 社交推荐中优化的关键
9.1.1 强化社交效用时的原则
9.1.2 优化内容效用的路径选择
9.2 从Facebook看社交效用优化
9.2.1 更高效的社交资本积累
9.2.2 更高效的社交关系维系
9.3 从交友产品看双向推荐问题
9.3.1 满意即流失的婚恋场景
9.3.2 促成线上双向匹配的Tinder
9.3.3 促成线下稳定婚配的Hinge
9.4 社交场景中的推荐策略
9.4.1 社交媒体中的推荐策略
9.4.2 稳定婚配假设下的GS算法
9.4.3 传统推荐的双向匹配改造
第10章 春耕秋收的社区产品
10.1 社区产品的培育原则
10.1.1 以人为核心的原创内容
10.1.2 强化关系的稳定建立
10.1.3 引导角色的良性分化
10.2 从媒介侧创新的Instagram
10.2.1 从文到图的媒介变革
10.2.2 恰到好处的创作工具
10.2.3 从创作工具向社区转型
10.3 无为而治的Reddit
10.3.1 显式组织的社区结构
10.3.2 简单健壮的投票机制
第11章 模拟社交的协同过滤
11.1 推荐系统的起源
11.1.1 更相信人的智慧的Tapestry
11.1.2 仿真协同关系的GroupLens
11.2 对协同关系的仿真建模
11.2.1 从复杂网络看推荐系统
11.2.2 对局部近邻关系的仿真
11.2.3 对全局拓扑结构的仿真
11.3 基于仿真关系的协同推荐
11.3.1 协同过滤的核心优势
11.3.2 应用协同关系的在线环节
第四部分 视频推荐
第12章 降低决策成本的电影推荐
12.1 电影推荐的传奇奈飞
1
展开
