像推荐系统这块由多个模块组成的产品，只有了解了其数据流，才能知道这个系统是如何运作的

我们来了解推荐系统框架的数据流。

一、概括

为什么要了解数据流？

对于一款非常复杂的产品，比如像推荐系统这块由多个模块组成的产品，只有了解了其数据流，才能知道这个系统是如何运作的。

对于产品经理自身而言，只有了解了整体数据流，才能增强自己对复杂产品设计的把控能力。

二、推荐系统数据流

1. 背景Brief

要了解推荐系统的数据流，首先需要知道，对于一个推荐系统，主要的数据模块。可以将其抽象成3个模块：用户数据、物料数据、用户行为。

2. 推荐系统目标

对于一个推荐系统，它的目标是什么？通过两个case来了解。

1）Case 1：资讯场景

比如资讯场景业务目标是点击率。点击率的计算逻辑 = click / show。

那为了提升点击率，我们需要哪些数据实现目标？

• 静态数据：用户表、物料表。
• 用户行为数据：用户行为数据。

聚焦到用户行为数据，如何定义哪些是正样本、哪些是负样本。

需要注意的是，在行为数据定义时候（样本定义时候），经常出现的几个show虚报的问题：

1. 推荐结果即show。推荐结果即show的意思是，比如一个相关推荐场景，后台服务器一次给出的预测结果是10条数据，客户端只展现了4条。为了图方便，客户的上报show的逻辑是将所有的返回推荐结果都上报为show。
2. 加载即show。在信息流场景，往往需要预加载。但是很多预加载的item，实际上尚未被展示。客户的埋点逻辑是加载即上报show，因此会导致show虚高。
3. 信息流上下滑动。在信息流场景，还经常出现的一个问题是，用户经常上下刷动，所以同一物料会有多次曝光，建议上报时候做去重设置。

2）Case 2：小视频场景

比如小视频场景，建模目标是完播率，即视频的播放时长/视频的总时长。

3. 推荐系统如何实现业务目标

将推荐系统实现业务目标拆分成两条数据流来理解，在线数据流和离线数据流。

1）在线数据流