什么是视频内容推荐引擎？(4)

Netflix 的 “今日印度前 10”（来源：Netflix）
但是，当然，仅仅基于地理位置的推荐方法对于印度这样的国家来说（其中各个邦都拥有一种或者多种语言，包括口语和书面用语）并不能一劳永逸。
有一个避免冷启动的简单方法：可以在用户注册时向他们展示一个菜单，请他们在其中选择自己最喜欢的语言和分类。然后，就可以根据这些与平台的进一步互动对推荐进行改进。
反馈系统：监测推荐
在设计推荐系统时，关于推荐质量的信息收集也十分重要，比如，如果你向一位用户推荐了三部电影，他选择其中的任意一部了吗？如果用户选择了其中一部，那么他是否观看这部电影超过了 X 分钟？或者用户是否刚看了几分钟就退出了？
在确定推荐效果好坏方面，点击通过率（Click-Through-Rate ，CRT）是一个强大的指标，应该作为修正系数反馈给 AI/ML 系统。
视频内容推荐引擎的应用场景
推荐引擎对于视频平台的成功至关重要，并且有助于提升内容发现、用户互动、营销活动、再营销 “休眠” 用户、减少用户流失等。让我们看下其中几个应用场景：
| 增加内容消费
与流行的看法相反，人们很多时候不知道自己下一部想看什么电影，所以他们会依赖从朋友、社交媒体、电影点评等处获得的推荐。好的推荐引擎可以很自然地引导用户去观看之前从不会考虑的电影！如果操作正确的话，可以增加内容消费，同时通过租借、订阅和广告等方式提高收益。
| 改进的搜索和自动补全
平台的搜索引擎也可以根据用户偏好进行推荐。比如，如果用户在搜索框输入 “The”
The Lion King（《狮子王》，卡通 / 儿童分类）或者
The Guns of Navarone（《纳瓦隆大炮》，战争）
应该智能地设计此类系统来确保自动补全不会花费太长时间，因为时间一长，就会带来糟糕的用户体验。
| 改进的目录发现
我们已经知道用户很多时候并不了解自己想看什么，系统首先可以巧妙地引导他们去观看之前未曾搜索过的电影。这就是 “内容发现” 过程，通过了解用户画像，内容平台可以向用户推荐电影并引导用户发现更多内容库（目录）。