百度策略产品经理面试：如何评估小红书的Feed流效果？
大家好，我是今天去面了百度的Isabel，职位是策略产品经理，部门是推荐技术平台部，主要是做手机百度App的Feed流推荐。
在回答过程中，面试官也一直认真地用电脑记录下我回答的答案，个人感觉百度似乎更看重面试者的临场思维表现，根据现场的回答来判断综合素质。
由于我顺利通过了一面，面试官也评价我的回答答得不错，于是便想给大家分享当时遇到的性问题，以及我的回答。
我被问到的是那个经典的问题“你最喜欢的App是什么？”，我的回答是小红书。而众所周知的，在产品面试中这个问题基本都是面试官用来挖坑的，果然接下来就是死亡三连：如何去评估小红书的Feed流效果？小红书Feed流存在什么问题？如何解决？
可能很多小伙伴都和我一样没有过相关经验，看到Feed流这个看起来很高大上的术语，一脸懵逼：这是啥？
因此，在分享我的答案之前，我首先会简单介绍一下Feed流是什么。然后再以小红书为例，聊聊Feed流是如何评估效果、从而持续优化的。
Feed流的准确定义一直存在争议。简单来说，Feed流是持续更新并呈现给用户内容的信息流，它存在于各种各样的APP，魏优旃字节跳动的抖音便是以Feed流起家的。
通过图片大家应该对Feed流是什么有了大致的认知，接下来说说我理解的Feed流：Feed流的核心是“个性化推荐”，它的两个主体是内容和用户，是用户与内容的匹配，“信息找人”的展现方式。
总的来说，给Feed流产品下一个定义，则是：通过一定的策略，从大量内容中筛选出部分内容，经过排序后展现给用户。
Feed流是用户与内容的匹配，目的是从大量内容中找到用户最喜欢的内容。那么，这是通过什么样的策略来产生的，又该如何优化呢？接下来聊聊Feed流从产生到优化的全过程。
Feed流的产生，遵循着策略制定的四步骤：问题（目的）、输入、计算、输出。具体来说，是一个这样的过程：
为了达到“给用户展现感兴趣内容”的目的，输入一系列指标，进行逻辑计算，最终输出一个用户满意的Feed流结果。
除了“逻辑计算”这部分通常由RD（开发同学）来实现之外，其它的步骤都是策略产品经理需要去考虑并完成的。
从性别、年龄等维度考虑：基于性别与年龄的应用较为简单，思想有点像数学中的“聚类算法”：检测到用户是女性，会更多地推送女性喜欢的内容，而“女生喜欢的内容”又是基于其它女性用户的数据得到的。
（2）从内容的角度，我们的目的是获取大量、多样、优质的内容，从这三个维度也可以采取多方面的措施：
一个基本原则是，要想评估Feed流展现效果好不好，就是要通过各方面进行打分，从而得出该Feed流在用户心中的“喜爱度”。
打分规则可以粗略从两个角度来考虑：一是排序，用户喜爱的内容排在越靠前，则说明该Feed流效果越好。二是从内容本身来看，用户喜爱的内容出现的越多，则说明Feed流分数越高、效果越好。
通过以上步骤，我们初步产生了一个Feed流。然而就像一句古话，“上线不是结束，而是新的开始”，产生Feed流之后的过程，就是不断优化迭代的史了。
接下来，以小红书为实例，咱们聊聊小红书Feed流存在的问题是什么？以及基于这个问题，如何对Feed流进行优化。
小红书是内容平台，内容的同质化很显然会极大降低内容质量，轻则流失部分用户，重则降低产品的核心竞争力。因此，对小红书来说，同质化问题，需要被排在较高的优先级去考虑。
为了解决内容同质化问题，我们可以从内容本身出发，从“内容重复度”的维度为将内容粗略归类，进而思考不同类型的解决方案：
从处理的角度，由于小红书是一个内容社区，简单的删除内容有可能引起误伤，或是损害内容生态。
我认为处理方式可以从“降低优先级”的角度考虑：根据单个内容的“广告内容疑似度”，来适当降低广告内容在首页Feed流及搜索中的排序。
若该内容被判断为大概率属于广告，则优先级则会降低，甚至完全不展现给用户。通过这样的方法，对高重复度内容进行。
对于跟风、模仿发布相似内容的用户，他们可能是出于两种心态：一是不知道要发布什么内容，二是想通过跟风模仿来获得归属感、认同感。
基于这个背景，我们可以通过在内容发布页增加文字提示的运营方式，来鼓励用户发布多样化的内容。例如以下提示，适当引导用户发布的内容：
一方面，从用户角度来说，结合场景的提示语拉近了用户与内容社区的距离，适当的引导可以解决用户发布内容时“不知道选取什么主题”的问题。
另一方面，从公司角度来说，也可以通过实时与调整，来完善社区内容的多种类。具体来说，当遇到“美食类内容生产较少”的问题，可以通过增加美食类引导语比例，来促进社区内容的种类完整性。
Feed流的最终目的是“寻找到用户喜欢的内容”，为了达到这个目的，一个有效的途径是进行用户与内容的“精准匹配”，通过过往信息来判断用户的兴趣，即精准推送策略。
但实际上，用户对“自己喜欢的内容”的界定是比较模糊的。有时候，就连用户自己也无法准确描述自己喜欢的是什么，仅局限于对过去信息来判断用户兴趣，会忽略掉用户未来、有可能兴趣。因此，就会出现推荐内容同质化的问题。
因此，除了推荐精准预测的内容外，也应当进行多样化内容的推送。在进行内容匹配时，为用户展现的内容不局限于兴趣匹配，还可以向用户推送：平台热门信息、猜测喜欢信息等，推送内容多样化
面试是我们向面试官输出和表现自己的过程，不断面试被问到新的问题，就可以通过在复盘的阶段主动查询资料和深度思考来进一步了解。
连用户自己也无法准确描述自己喜欢的是什么，仅局限于对过去信息来判断用户兴趣，会忽略掉用户未来、有可能兴趣——确实如此。在做类似的推荐产品中，可以考虑abtest，结合深度学习，多推荐算法并行，通过文中的几个指标为导向不断升级推荐准确性。
线下课程 业绩断崖式下滑却束手无策、核心增长问题难定位？运营负责人如何应对..
人人都是产品经理（是以产品经理、运营为核心的学习、交流、分享平台，集、培训、社群为一体，全方位服务产品人和运营人，成立9年举办在线+期，线+场，产品经理大会、运营大会20+场，覆盖北上广深杭成都等15个城市，在行业有较高的影响力和知名度。平台聚集了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监，他们在这里与你一起成长。