推荐系统的商业价值

文/刘强从某种程度上来讲,任何业务与商业变现的关联越紧密越明显，就越能体现出它的价值，推荐系统也不例外。

所谓商业价值，通俗来说就是推荐系统怎么更好的帮助公司挣钱。

那么从哪些维度来体现推荐系统的商业价值？怎么量化推荐系统的商业价值？怎么提升推荐系统的商业价值？在挖掘推荐系统商业价值的过程中需要关注哪些问题？这些问题是任何从事推荐算法开发的工程师、推荐产品经理、推荐团队负责人，甚至是企业的管理者必须思考的问题。

本文将会围绕这些点展开讲解，希望可以给读者一些启发，相信读者读完，对这些问题一定有初步的了解。

同时结合自己公司的业务，也会有自己的思考和理解。

为什么要关注推荐系统的商业价值盈利是公司运营最重要的目的，也是企业管理者最关注的问题。

企业任何一项业务如果不能直接或者间接与商业价值挂钩,对公司产生价值,就毫无价值,甚至是资源浪费。

从某种程度上来讲,任何业务与商业变现的关联越紧密越明显，就越能体现出它的价值。

推荐系统也不例外，你能够多好的将推荐系统与商业变现结合起来并产生商业价值，就能够多好的体现个人的价值，并得到领导的认可和重视。

刘强电视猫大数据AI专家推荐系统的商业价值DOI:10.19609/10-1339/tn.2019.04.005视野HORIZON从推荐算法工程师特别是推荐系统负责人的角度来说,你要尽早的量化推荐系统的商业价值,为公司的商业变现提供支撑，只有挖掘出了推荐系统的商业价值,才能更好的发挥团队的价值,同时，团队也会更有成就感。

只有推荐系统真正产生商业价值你才可能得到老板的认可, 才会获取更多的资源让推荐系统持续发展壮大。

通过推荐系统获取商业价值的案例是大家耳熟能详的，像亚马逊、Netflix都通过推荐系统产生了极大的商业利润，推荐系统每年为Netflix产生的商业价值就超过10亿美元。

衡量推荐系统商业价值的维度在介绍推荐价值维度之前,首先讲到的是在互联网产品中可能存在的盈利模式。

目前互联网产品主要有四种盈利模式：游戏(游戏开发、游戏代理等)、广告、电商、增值服务(如会员等)，这其中后面三种盈利模式都可以利用推荐技术来做得更好，加速变现的进程，产生更多的收益。

我们可以利用推荐系统将互联网公司通过打造产品为用户提供服务的过程跟后面广告主、用户、“标的物”提供方这三种变现方式联系起来，其中平台方的产品是核心，分别连接用户、“标的物”提供方和广告主(或者广告平台), 这3条连线代表后三种主流盈利模式。

这三种变现方式都离不开大量活跃的忠实用户,推荐系统帮助公司更好的在这三种变现模式上提升变现能力的同时, 也会强调推荐系统在促进用户活跃留存上的价值，虽然这不能直接产生商业价值,但是用户始终是一切商业价值的保障和核心。

同时,推荐系统可以让“标的物”得到更高效率的分发，提升整个平台的运营效率，有效节省公司资源，这也会产生隐形的商业价值。

1.广告变现所谓广告变现，即在产品上投放互联网广告，通过将广告曝光给用户或者用户点击广告获取收益，挣的是第三方(即广告主)的钱(如果不是自建广告平台，将流量外包给广告联盟，获取的收益就是广告联盟的分成)，即所谓的羊毛出在猪身上。

当然，广告有很多种方式，有展示广告、品牌广告、效果广告、信息流广告等。

一般公司在发展到一定用户规模后，会通过将流量给到广告联盟或者自建广告平台来承接广告变现能力。

创业公司或者希望将广告业务做轻的公司一般采用流量外包的方式来做广告变现，有一定规模的或者广告业务是核心业务的公司会采用自建广告平台的方式来做广告变现。

广告精准投放本身就是一个复杂的技术工程问题，实现的算法技术也跟推荐系统具有很多相似性，同时也会依赖用户画像等大数据基础能力。

这里作者不细说广告精准投放相关技术，只从推荐系统角度来说说推荐怎么为广告变现带来商业价值。

如视频行业，推荐系统推荐的视频是可能包含前贴片广告、暂停广告的，可以说这些广告是通过推荐业务带来了曝光，可以量化出通过推荐算法带来的每日广告CMP，同时可以计算由推荐产生的广告的转化率、每次播放平均广告曝光时长等与整个大盘的对比。

因为推荐的视频一般比大盘更精准，用户点击的概率会更大，从而可以带来比大盘更好的转化效果，通过量化这些指标，可以体现推荐系统在广告曝光上产生的商业价值。

随着今日头条的崛起，信息流一词也越来越火，利用信息流技术来做推荐，基本被所有的新闻资讯类App、短视频类App所采用，并且是作为主要的内容分发技术。

现在连手机百度App全面信息化，微信“朋友圈”、“看一看”也是一种信息流。

随着信息流技术的成熟及在提升内容分发和提升用户使用时长等方面的价值, 企业商业变现的诉求催生了信息流广告技术。

信息流广告可以完美地跟近实时个性化推荐结合起来，通过借助个性化推荐的巨大流量及精准兴趣匹配，让广告产生最大化的商业价值。

总体来说，不管是视频的贴片广告还是新闻短视频的信息流广告，推荐系统的商业价值主要体现在提升广告的曝光与转化。

2.电商变现电商中的商品，是指广义的物品，除了实物商品外还包括虚拟物品(如网络小说、网络课程等)。

平台方(如天猫)的电商变现，是通过入驻的商家挣钱(商家商品售卖按照其销售额(不包含运费)的一定百分比(简称“费率”)交纳的技术服务费(分成)；为商家提供软件服务，如数据分析/库存管理、行业趋势分析等的服务费)。

推荐系统通过高效的分发商品，将商品推荐到对它有购买意愿的用户眼前，促进商品的售卖，从而从商家获取更多的分成。

另外，像淘宝、快手这类公司，类似房产中介，提供一个平台，对接用户和“标的物”提供方，为了让这个平台可以稳定、健康的发展，必须考虑满足“标的物”提供方的诉求。

只有“标的物”提供方能够在这个平台上挣到钱，才会有更多的“标的物”提供方入驻该平台，生产更多优质的“标的物”。

有了这些“标的物”，才能留得住用户，这样整个系统才是一个稳定的生态系统，平台方的生意才能持久、欣欣向荣。

推荐系统需要维护好“标的物”提供方的利益，因此需要从机制和算法上至少做到下面四点：①为新的“标的物”提供方提供挣钱的机会;②让“创造”优质“标的物”的提供方得到更多的曝光，挣到更多的钱;③为新的“标的物”提供曝光的机会；④为优质“标的物”提供更多曝光的机会。

3.增值服务变现这里先解释一下增值服务，增值服务主要是指“特色服务”,在保证基本服务的同时, 进行超出常规的，个性化的服务。

比如视频行业的会员、游戏行业的装备、QQ空间的黄钻等都属于增值服务范畴。

我们这里拿视频行业中“推荐如何促进会员购买”来说明推荐在增值服务变现上的商业价值，其他行业的增值服务可以根据类似思路结合具体业务场景具体分析。

推荐系统通过精准地为非会员用户推荐他(她)感兴趣的会员节目, 提升会员节目在非会员用户的曝光,从而促进非会员用户购买会员。

个性化推荐能够更好的挖掘用户深层的兴趣需求, 准确触达用户的兴趣点, 从而带来更精准的会员节目推荐。

另外，个性化推荐也可以让更多的冷门但优质的会员节目得到曝光的机会。

推荐体验越好，用户就更容易在这个平台上找到想看的内容，自然黏性就更高，也更容易持续付费。

所以，推荐系统在视频行业增值服务上的价值主要体现在提升会员的转化与会员留存。

4.用户增长无论上面提到的互联网公司主要的四种盈利模式中的哪一种，想盈利都离不开用户。

只有具备大量的用户，用户持续使用产品，在产品上停留更长的时间,平台方才有机会获得更多的利润。

所以,推荐系统需要更好的服务用户，提升用户留存、活跃，占领用户的时间才能帮助平台方让用户沉淀下来。

有了大量的用户才有盈利的基础，因为好的推荐系统，可以提升用户满意度，提升会员购买的续订率，占领用户更长推荐系统的商业价值视野HORIZON的时间也才会让更多的广告得到曝光展示的机会。

所以，下面的用户增长也是推荐系统需要关注的隐形的商业化指标，虽然不能直接产生利润，但却是利润产生的根基。

用户增长是指提升用户留存、活跃、停留时长。

5.成本节省及效率提升推荐系统对平台方的价值，除了上面提到的直接商业价值及促进用户增长带来的间接价值外，推荐系统可以提升内容的分发效率，用更少的人力成本在更短的时间让内容得到更大程度的分发，利用个性化推荐可以做到千人千面，甚至是近实时的个性化推荐，采用人工编排的方式是无法做到这一点的。

头条战胜传统的新闻门户网站，最主要的功劳就是从创业开始就以个性化推荐系统为核心技术，大大提升了内容的分发效率，根本不用招聘大量的编辑来对内容做低效的手工整理和编排。

推荐系统的商业价值可以表现在如下7个子维度：①提升广告的曝光与转化；②促进“标的物”提供方(即商家)生态繁荣；③促进“标的物”售卖，获取更多经济收益；④提升会员的转化与会员留存；⑤用户增长：提升用户留存、活跃、停留时长；⑥节省人力成本；⑦提升内容分发效率；从这7个子维度来详细说明怎么量化推荐系统的商业价值，有哪些思路和方法？量化推荐系统商业价值的思路和方法管理学大师彼得德鲁克曾经说过，“你如果无法度量它, 就无法管理它”。

对于推荐系统，也是一样。

我们只有度量出推荐系统的商业价值，才知道目前的状况，哪里存在问题，哪里有优化空间，最终才知道从哪些角度来优化，从而让推荐系统创造更多更持久的商业价值。

上一节我们从5个大维度7个子维度来说明推荐系统的商业价值，在本节中我们侧重怎么具体地量化推荐系统的商业价值,有哪些指标可以衡量推荐系统在各个维度上的价值,只有知道怎么量化商业价值,才能更好的提升商业价值。

下面的分析，更多的是提供量化推荐系统商业价值的思路,具体的落地还需要推荐算法工程师发挥自己的聪明才智，结合自己公司的业务特点来思考细化，并最终量化出来，同时在实践过程中不断优化，找到最佳的量化维度和指标。

1.提升广告的曝光与转化不管是视频的前贴片广告还是推荐信息流广告，可以统计一定周期内通过推荐产生的广告曝光、展示、点击、转化率等指标。

统计周期可以是天、周、月等维度。

拿视频贴片广告来说，可以统计每天通过推荐算法产生的CPM。

根据该行业每个CPM多少钱，这就间接的体现了推荐系统带来的广告收益。

另外，为了体现推荐系统在高效个性化精准分发上对广告带来的价值(我相信因为推荐更精准，用户对推荐嵌入的广告的耐受度会更高, 未来我们团队也会在这个方面做一些数据分析探索)，需要提炼出可以与大盘对比的指标, 比如下面的几类指标：①人均广告播放时长及大盘广告播放时长对比；②广告转化率与大盘转化率的对比；③使用推荐算法的用户人均点击广告次数与大盘用户人均点击广告次数对比。

同时，我们还可以统计不同的推荐算法模块在这些指标上的差异点，知道哪个推荐模块带来的广告价值更大。

2.促进“标的物”提供方(即商家)生态繁荣由于作者没做过电商推荐, 为了内容的完整性, 这里我拿淘宝来举例说明, 不当之处在所难免，也欢迎有过电商推荐经验的朋友指正、交流。