第352章 大数据下的个性化推荐（2/3）
张一鸣在沙发上坐下，把公文包放在脚边，看起来比几个月前瘦了一些，但精神状态不差。
“林总，您找我。”
“今日头条上线两个月了，运营情况怎么样？”
张一鸣有些拘谨，先在心里组织了一下语言：“目前注册用户四百二十万，日活八十五万。
用户日均使用时长十七分钟，次日留存率百分之四十二，七日留存率百分之二十八。”
“推荐效果呢？”
“推荐准确率比初期提升了将近一倍，初期我们用的是纯协同过滤，后来引入了内容特征和用户行为序列，推荐的相关性明显提升。
目前点击率在百分之八左右，比行业平均水平高出一截。”
“主要用户来源？”
“预装占大头，蓝天S3预装了今日头条，蓝光x2也预装了。
深蓝应用商店的下载量大概占两成，剩下的来自口碑传播和社交分享。”
张一鸣顿了顿，补充道：“但有一个问题。
目前的内容源主要靠抓取，合作的媒体和自媒体数量不够多。
用户刷来刷去，时间线里经常出现重复内容，影响使用体验。”
“那就把内容源铺开。
自媒体、传统媒体、门户网站，能签的都签。
内容采购的预算你列一个数出来，不用太省。
推荐引擎再好，没有内容可推，用户照样留不住。”
张一鸣点头：“明白，我回去就做一个内容源拓展方案。
另外，我想申请一批服务器资源。
随着用户量增长，推荐模型的训练和推理对算力的要求越来越高。”
林辰点点头，这确实是。
随着用户规模增长，存储的数据和需要的计算能力都会越来越多。
不过这也是找他来的目的，今日头条的推荐引擎本质上是一套用户兴趣建模和内容匹配系统。
这套系统和搜索、广告推荐、云服务的用户画像，底层逻辑高度重合，这几个方面必须要协同整合才行。
“一鸣，我带你去找一个人。”
张一鸣愣了一下，但没多问，拿起公文包跟着林辰出了办公室。
两人坐电梯下到十七楼，云服务部门的办公区里灯火通明。
已经是傍晚六点多了，但工位上还坐着大半的人，屏幕上跳动着各种监控面板和调试日志。
张婷正站在一块大屏幕前，屏幕上显示着云服务架构的实时运行状态，各种曲线和数字密密麻麻。
本章未完，请翻下一页继续阅读.........