今日头条

如何判断一个人属于哪个人群？
判断一个人属于怎样的人群相对简单。比 如地域，用户的手机在什么区域，就可以认为 用户是什么地域的;比如说用户兴趣，可以根 据用户的阅读习惯去判断，用户会经常去看科 技的文章，那就可以判断用户属于科技的人群; 再比如说用户的好友关系，用户在今日头条上 面注册了，用户的好友都是娱乐圈的人，则该 用户很有可能也是娱乐圈的人;所以通过用户 在今日头条上行为，以及用户客观的地理位置 信息，就能判断用户到底属于一个什么样的人 群。
LOREM IPSUM DOLOR SIT
Alice Bob John David
All About That Bass
4
5
2
Shake It Black
Off
Widow
5
4
3
Habi Bang ts Bang
51
协 同 过 滤 算 法
算法
协同过滤算法
协同过滤算法是推荐系统中应用最为广泛和成
功的算法。协同过滤推荐算法的前提假设是：如 果用户a与用户b均对一系列相同的物品表示喜欢， 那么a极有可能也喜欢b用户喜欢的其他物品。在 协同过滤推荐的过程中：用户首先为每个项目进 行评价打分,通过计算不同用户评分之间的相似程 度,可以找到最近邻居,根据最近邻居的评价,产生推 荐——这是协同过滤算法的主要思想。 举例来讲， 假设在音乐推荐系统中，一共有4个用户，7个音 乐，每个用户对每个音乐的评价矩阵如下： 此时要为用户Alice推荐一些她可能喜欢的音乐步 骤如下： 1.寻找与Alice“品味”最接近的用户 当然，当用户多起来的时候，我们不可能用肉眼 找到Alice的邻居用户，所以要建立数学模型让算 法自动寻找Alice的邻居用户。实际上有很多的方 法来衡量两个用户的“品味”是否相近。例如余 弦相似度、皮尔逊相似度。
成熟期
现在
截至今年2月，今日头条 App已在北美、巴西、 日本、东南亚等地区拥 有超过1000万海外用户。 Musical.ly全球每天的 活跃用户数超过2000万， 北美的活跃用户占主流。
三、产品分析
它是什么？
今日头条的定位从创始之初就已经 很明确，就是把分散的内容创作者 和具有获取内容需求的大量人群连 接起来的信息的媒介。
媒介经营管理案例分
析
——今日演讲人头：郭禹
条
田小芳
C 目录 ONTENTS
1 一、选取研究对象 2 二、企业发展历程
3 三、产品分析 4 四、创新特色分析
5 五、SWOT分析 6 六、未来发展建议
7 七、现场互动
今日头条
且细听我说！
一、选取研究对象
今日头条，今日头条是北京字节跳动科技 有限公司开发的一款基于数据挖掘的推荐引 擎产品，为用户推荐信息，提供连接人与信 息的服务的产品。
二、企业发展历程
今日头条
（添一加标）题、初创人与添加初标题创时期 添加标题
添加标题
2011年底，张一鸣辞去九九房CEO职位，于2012年初创办了北京字节跳动公司，开始准备移动 互联网信息产品项目。喜欢做AB测试的张一鸣，先推出了一个实验性的产品叫做内涵段子，除此之 外还推了搞笑囧图、内涵漫画等12款不同内容的应用，8月份才推出了今日头条，上线3个月，就做 到了日活用户100万的成绩。短短的6 年时间里，今日头条APP 累计激活用户数已经超过7 亿 人， 月活跃用户数高达2.63亿人，按用户量，在国内综合资讯平台中排名第一，用户月均 使用时间超过 20 个小时，用户活跃度仅次于微信。产品布局层面， 已经从早期的图文资讯， 扩展至短视频、知 识问答、微博客等领域。
人群特征的组合？
人群特征可以是阅读姓名，年龄，地域， 职业等等。同理，文章也是类似的，文章有提 到哪些名人，文章发布的时间，文章所属的地 区等等，也都有很多特性，这些都是可以去组 合起来。
今日头条推荐内容如何计算？
这就是一个LR（Logistic Regression）l 逻辑回归问题，建立线性回归模型，可得 出W1、W2、W3（W某一特征对应的权重）。
（二）、发展历程、历次迭代和改革
在“今日头条”正式推向 市场之前，先推出了内涵 段子、搞笑囧图、内涵漫 画等十几款应用，表现不 俗。其中的“内涵段子” 在娱乐类APP中一度排名 非常靠前。
成长期
探索期
这期间今日头条完 成了产品的规模化， 产品完成了两个大 版本的迭代，进入3. 0 版本。
这一阶段今日头条开 始从内容分发延伸到 内容创作环节，开始 推头条号，并成立内 容基金，鼓励自媒体 的内容生产。
一 、 产 品 定 位
头条产品通过其对用户行为的分析、 先进的推荐引擎技术支持来快速高效 的为各类用户在最短的时间内提供其 想看的内容。
（二）、今日头条与算法
算法是《今日头条》这款兴趣推荐搜索引擎应用的核心，这也是与传统媒体 最本质的区别。今日头条之所以能够非常懂用户，精准推荐出用户所喜好的 新闻，完全得益于算法
今日头条是如何来划分人群和文章？
我们假定上图这个人群有8万人，只有两类：一类叫喜欢 科技的人群，一类喜欢娱乐的人群，我们先分成两类，每类有 4万人，我们又找到另一个维度地域：上海和北京，喜欢科技 的人有上海和北京的，喜欢娱乐的也有北京和上海的，我们把 8万人群分成四组，每组两万，我们再找年龄，30岁以上和以 下，我们分成8个人群，每个人群1万人，第1个是喜好科技， 位置在北京，Leabharlann Baidu龄30岁以上，这有1万人，我们再以下面的喜 欢娱乐，地点上海，人群1万。 根据人群不同维度，我们可以细分到一个合理的力度。特别需 要注意的是：在细分的领域里面投票数既不要太多，但也不要 太少，因为太多没有个性化，仅是一个大众关心的话题而已， 而投票数太少又没有统计意义，支持度就低了。
他应该被推荐哪篇文章？
没错，今日头条的个性化推荐算法原理就 是基于投票的方法，其核心理念就是投票，每 个用户一票，喜欢哪一篇文章就把票投给这篇 文章，经过统计，最后得到结果很可能是在这 个人群下最好的文章，并把这篇文章推荐给同 人群用户过程就是个性化推荐，实际上个性化 推荐并不是机器给用户推荐，而是用户之间在 互相推荐，看起来似乎很简单，但实际上这需 要基于海量的用户行为数据挖掘与分析。