“你可能感兴趣的”名存实亡？平台怎么用大模型挽留用户

前言

在网上冲浪时，忽然刷到这样一条博文。

对于依托互联网发展的很多行业而言，个性化推荐的重要性不言而喻。虽然在很多用户看来，个性化推荐“名存实亡”，但对于企业来说，持续调整个性化推荐系统，提升用户检索体验，才能促使业务有效转化。

一、快速了解个性化推荐

个性化推荐能够根据用户的兴趣和需求，提供更加精准的内容和服务，从而提高用户满意度和忠诚度；还可以通过自动化和智能化的推荐算法，快速提供用户所需的内容，降低运营成本，提高广告投放的效率和转化率。此外，个性化推荐可以引导用户发掘新的兴趣爱好和内容，从而促进用户的内容生产和消费。

1.常见的运营场景

（1）广告营销领域

这是个性化推荐功能最常见的场景之一。通过分析用户的购物历史、浏览行为、搜索记录等信息，个性化推荐系统能够为用户推荐符合其兴趣和需求的商品，从而提高用户的购买率和转化率。例如，电商平台可以根据用户的浏览、购买记录，为其推送相关的商品或促销信息。

（2）内容资讯领域

在这个场景中，个性化推荐系统可以根据用户的兴趣和偏好，为用户推荐相应的文章、视频、音频等内容，从而提高用户的阅读量和参与度。例如，新闻应用可以根据用户的阅读习惯，为其推送相关的文章。

（3）社交媒体领域

在这个场景中，个性化推荐系统能对用户的社交主页、关注的人物、点赞和留言等信息进行深度分析，为其推荐更加感兴趣的人或内容，从而提高用户的活跃度和黏性。例如，社交平台可以根据用户的兴趣和交友习惯，推送兴趣群组。

（4）在线教育领域

在这个场景中，个性化推荐系统可以根据学生的学习进度、成绩、反馈等信息，为其推荐适合的学习资源和课程，从而提高学生的学习效果和满意程度。

在这些运营场景中，由于流量池有限，不可能将内容全都呈现给用户，所以冷启动是推荐系统第一优先级需要解决的问题。推荐系统通过分析用户行为等特征数据，精准判断用户兴趣并进行推荐，可是当用户第 1 次进入产品，尚未有任何特征数据时，或内容第 1 次下发到用户，还未有任何点击数据可供参考时，理论上推荐系统是不会有任何作为的。让新用户看到感兴趣的内容，使新内容可以被正确的用户看到，就是用户冷启动和内容冷启动。

用户冷启动，即用户首触产品后，应当为其推荐感兴趣的内容，目的是提升留存和降低流失。内容冷启动，即新内容第 1 次下发时，应当推荐给感兴趣的用户，否则 UGC 内容点击率低、流量低，会造成创作者的流失。

2.技术原理

推荐系统是现代互联网公司的核心业务之一，个性化推荐通过学习用户的喜好和行为，为每个用户提供针对性的推荐，从而提高用户体验、增加公司的收益。其核心算法有三种，基于内容的推荐算法，基于协同过滤的推荐算法，混合算法。

核心概念包括以下几个方面：

概念	描述
用户	推荐系统中最基本的单位，可以是个人或组织，通过与物品互动生成数据。
物品	推荐系统中被推荐的对象，如商品、电影、音乐、新闻等。
用户行为	用户与物品之间的互动，包括显示反馈（如点击、购买、收藏等）和隐式反馈（如浏览时间、页面滚动等）。
推荐列表	推荐系统输出的结果，是一组物品列表，用于满足用户需求。

具体实现主要包括以下几个步骤：

通过个性化推荐技术，广电、社交、广告营销等互联网相关的行业，能激发出更多的商业价值。

二、以百度云为例，讨论 AI 优化推荐系统的可能

百度云智能媒体内容分析产品，是百度云推出的将 AI 技术落地于媒体行业内容分析场景的产品。通过媒体内容分析，获取结构化标签，推送至推荐系统中，同时结合站点用户画像，向用户提供个性化推荐及相关性推荐等服务。

针对不同运营场景，百度的媒体内容分析工具可以提供不同的内容分析模板，助力推荐系统实现价值最大化。

1.智能标签

MCA 在大模型的支持下，可以分析视频、图片、直播流等媒介内容，快速输出场景、公众人物、地点、实体、logo和关键词等结构化标签信息，输出TAG达万级别。有了这些丰富、准确的标签，推荐系统才能更好地提供服务。

• 内容理解：对视频内容类型进行分析并提供分类标签，输出场景场所、物体、动作、人物属性、内容类型几类标签。

• 公众人物识别：对画面中出现的人脸进行分析并识别出公众人物，并输出该公众人物的姓名及在视频中出现的时间，公众人物范围主要包括政治人物、体育名人、影视明星等。

• 公共商品LOGO识别：对画面中出现的LOGO进行分析并输出LOGO名称标签，主要包括常见商品LOGO或主流电视台台标等。

• 语音识别：支持对视频中的演讲、对话等语音内容进行识别及文字转写。

• 文字识别：支持对视频画面中出现的文字信息，如标题、字幕等通用文字内容进行识别。

• 关键词提取：根据文字识别、语音识别内容，基于自然语言处理相关技术提取关键词标签，并对关键词的属性进行分析，如组织机构、地点、人物等。

• 智能封面：最多支持提取3种类型封面，包括静态封面、GIF动态封面图、封面视频。

• 知识图谱：基于影视、综艺诗词等各垂类知识图谱，结合知识计算、推理技术，联想出与媒资高度相关的标签。

• 精彩视频分析：针对影视剧、综艺、纪录片等长视频，对视频镜头、画面、声音进行分析，输出视频中的高光时刻时间戳信息。

对于某些长尾、垂类、新潮的场景来说，现有标签体系可能无法满足需求。为此，MCA支持大模型自定义标签，输入标签文本+提示词，就能小时级上线。

2.智能标签模板管理

智能标签模板管理包括视频分析模板和图片分析模板，此处以“视频分析模板”为例进行介绍。

Step1 登录百度智能云平台的内容分析产品页面媒体内容分析_视频内容分析_图片内容分析-百度智能云，点击分析管理>智能标签模板管理>视频内容分析模板，进入视频内容分析模板页面。

Step 2 点击“创建模板”，新建一个视频内容分析模板。

Step 3 在分析模板页面中，配置需要使用的分析类型。

• 样例模板为可选项，支持以已有的分析模板为基础，继承其选择的分析类型。

• 模板名称可由小写字母、数字和下划线组成，必须以小写字母开头，最长 40 个字符。

• 视频类型可以选择通用视频或者竖版的小视频，正确的视频类型有利于提高视频内容分析的精确性。

• 分析类型可以选择对视频以哪几个维度进行分析，必须至少选择一个分析类型。

• 模板描述为对该模板的说明，不超过 256 个字符。

选择自定义 logo 识别、自定义人脸识别或者提取关键词后可关联自定义库；也可以将新建的模板设置为默认模板，设置后则该模板会在创建视频内容分析时作为默认配置。

Step 4 所有配置完成后，点击确认创建即可完成分析模板的配置。

3.自定义库管理

自定义库分为自定义 LOGO 库、自定义人脸库和自定义文本库。

（1） 自定义 LOGO 库

Step 1 登录成功、进入产品页面后，点击分析管理>自定义库管理>LOGO 库，进入自定义 LOGO 库页。

Step 2 点击“新建 LOGO 库”，填写库名称和库描述，点击确定可以创建一个新的 LOGO 库。

Step 3 点击库名称，进入该 LOGO 库。点击“新建 LOGO 集”，输入 LOGO 集名称，上传图片素材，点击确定则完成 LOGO 集的创建。一个 LOGO 集内为同一个 LOGO 的素材。

如果需使用自定义 LOGO 库，需要将自定义 LOGO 库绑定在视频或图片分析模板上。

（2）自定义人脸库

Step 1 登录成功、进入产品页面后，点击分析管理>自定义库管理>人脸库，进入自定义人脸库页面。

Step 2 点击“新建人脸库”，填写库名称和库描述，点击确定可以创建一个新的人脸库。

Step 3 点击库名称，进入该人脸库。点击“新建人脸集”，输入人脸集名称，上传图片素材，点击确定则完成人脸集的创建。一个人脸集内为同一个人物的素材。

如果需要使用自定义人脸库，需要将自定义人脸库绑定在视频或图片分析模板上。

（3）自定义文本库

Step 1 登录成功、进入产品页面后，点击分析管理>自定义库管理>文本库，进入自定义文本库页面。

Step 2 点击“新建文本库”，填写库名称、库描述和文本内容，点击确定可以创建一个新的文本库。

Step 3 点击库名称，进入该文本库。点击“添加文本”，输入文本，点击确定则完成文本的添加。

如果需要使用自定义文本库，需要将自定义文本库绑定在视频或图片分析模板上。

4.统计分析

Step 1 登录成功、进入产品页面后，点击统计分析，进入统计分析页面。

Step 2 点击智能标签，查看账号使用智能标签功能的数据，可进行分析对象（视频/图片）、分析时间段、数据统计类型（分析总览/分析时长/分析次数/分析失败/分析标签）的选择。选择后，系统将展示对应的数据。

例如，点击精彩视频分析，查看账号使用精彩视频分析的数据，可进行分析时间段、数据统计类型（总览/处理时长/处理次数/处理失败）的选择。选择后，系统将展示对应的数据。

Step 3 点击导出，导出当前查到的数据。

5.部署方式

（1）SaaS 服务

可在百度智能云官网>媒体内容分析的产品页面， 直接使用 SaaS平台，操作灵活便捷，同时成本可控。这种方式适合中小型企业，有利于快速实现需求落地。

（2）API 接口调用

可通过 API 接口调用 MCA 服务，直接进行视频内容分析，便于快速开发和迭代应用。这种方式能更好地、创新性地匹配业务场景的需求。

（3）私有化部署

MCA 服务可以部署在本地，同时支持业务系统集成。这种方式适合对数据安全要求较高的大型企业或机构。

三、发展趋势

基于百度自研的视觉 AI、ASR、NLP 技术，媒体内容分析（MCA）为用户提供音视频、图片、文本的内容分析能力，从场景、公众人物、实体、公共商品 LOGO、关键词、地标多个维度进行内容理解，能帮助企业提高内容分析的效率，缩减平台的人力成本，助力企业内容推荐和搜索业务发展。

未来，个性化推荐将面临越来越多的跨平台和跨领域的挑战。在大模型的支持下，推荐系统的冷启动、稀疏性、自适应调整等问题将能被更好地解决。