微信读书冷启动用户书籍推荐初探：一个借助微信用户画像的方法

引言

微信读书 App 中的书籍推荐系统，逐渐开始在运营活动中（每周热榜、新手卡片）使用，尝试从技术侧帮助运营侧提高转活动的化率。

对微信读书的活跃用户，我们根据其读书时长、点评书等用户行为，做书籍推荐。对微信读书新增用户，由于缺少用户行为数据，无法使用这种方法做推荐，此类问题常被称为推荐系统冷启动问题。

然而，我们发现微信用户画像，比如基础属性（年龄、城市、性别等）和公众号阅读兴趣等，与微信读书用户的阅读兴趣相关。借助微信用户画像进行书籍推荐，准确率较随机推荐提升约 1 倍。

分析建模

如何评估微信用户画像与微信读书用户阅读兴趣是否相关？

我们建立预测模型进行初步验证，步骤如下：

1. 准备数据集：微信读书n本热门书籍，把热门书架加入书架的用户及其微信画像
2. 预测模型：把问题化简成 n 分类的问题，输入微信画像、输出预测书1 ~ n
3. 假设：微信读书用户加书架的行为，可以反映其阅读偏好
4. 在数据集基础上建立的预测模型，可以衡量用户画像和加书架的相关性。结合假设，该模型可以衡量用户画像和阅读偏好的相关性

如果有相关性，那么我们得到的预测模型就可以用于冷启动书籍推荐。

分析数据

微信用户画像基础属性

基础属性包括：城市，年龄，性别等。

其中，城市属性可以转化为 n 线城市作为属性。猜测城市、年龄、性别等属性，与阅读偏好的关联较大。

微信用户画像扩展属性：公众号阅读兴趣

包括一级分类如：如育儿、饮食、旅游、金融财经、时尚美容、养生培训等。

其中，每个用户每月都有一个阅读兴趣记录，由偏好类别、权重组成。比如：用户A 201608 养生健康0.8 教育培训0.1 时尚美容0.1。

选取四本书，抽取加书架的用户，统计这些用户的公众号阅读兴趣的人数累加和，按人数降序排列结果如下：

《囚徒健身：用失传的技艺练就强大的生存实力 保罗·威德 谷红岩译》

《逆龄养颜术（我最想要的美肌能量书）》梅切尔·沙尔

《信用卡，从卡奴到卡神（简七理财010）》简七理财

《轻断食：正在横扫全球的瘦身革命》 麦克尔·莫斯利 咪咪·史宾赛

猜测此属性与阅读偏好强相关。

特征选取

我们分别取微信用户基础属性、公众号阅读兴趣属性、基础属性+阅读兴趣作为特征。

准备数据集

1. 随机选取 n 本书，找出曾经加书架的用户（采样确保每本书籍用户数相等，且每个用户书架只有 n 本中的一本），获取用户的微信画像属性 x
2. 将 n 本书编号 1~n
3. 提取出标签（书籍编号） y 和属性 x，把样本按 6:4 划分成训练集、测试集

模型选择

使用 Spark mllib 提供的 Random Forest 算法。

在该模型中，输入用户画像 x，输出预测书籍标签 y。

选择 Random Forest 的原因有：

1. 训练结果为决策树，容易解读和实现
2. 能够处理高维数据，不用做特征选择，适应性强

将数据划分为训练集和测试集，使用训练集训练模型，最后得到随机森林，即多颗决策树。树节点是决策的过程，树叶是决策结果；权衡多颗树的决策，最终得到模型的预测结果。取其中一颗举为例：

例 Tree0:
     If (男)
       If ( 微信好友 <= 294.0)
         If ( n线城市 <= 2.0)
           推荐《罗辑思维》
         Else ( n线城市 > 2.0)
           《看见》
       Else ( 微信好友 > 294.0)
         If ( n线城市 <= 1.0)
           《罗辑思维》
         Else ( n线城市 > 1.0)
           《罗辑思维》
     Else (女)
       If ( 微信好友 <= 417.0)
         If ( 微信好友 <= 230.0)
           《如果你曾奋不顾身爱上一个人》
         Else ( 微信好友 > 230.0)
           《如果你曾奋不顾身爱上一个人》
       Else ( 微信好友 > 417.0)
         If ( 微信好友 <= 1150.0)
           《如果你曾奋不顾身爱上一个人》
         Else ( 微信好友 > 1150.0)
           《罗辑思维》

训练模型

将数据集按 6：4 分为训练集、测试集。

使用训练集训练模型，得到模型参数w。

测试模型

在测试集上，使用模型和参数 w，验证准确率。

验证模型

实验数据集来自加书架的用户属性，假设『微信读书用户加书架的行为，可以反映其阅读偏好』，模型准确率高，可以推论微信画像与微信读书用户阅读偏好相关。

然而，我们希望这个推荐算法能够用与运营活动的书籍推荐，因此需要进行 A/B 测试，来验证随机森林推荐算法的有效性。

效果评估

在 4 本书选择 1 本进行推荐的任务中：

（随机推荐准确率的期望是25%）

在 10 本书选择 1 本进行推荐的任务中：

（随机推荐准确率的期望是 10%）

在 20 本书选择 1 本进行推荐的任务中：

（随机推荐准确率的期望是 5%）

在 50 本书选择 1 本进行推荐的任务中：

（随机推荐准确率的期望是 2%）

在 100 本书选择 1 本进行推荐的任务中：

（随机推荐准确率的期望是 1%）

在 200 本书选择 1 本进行推荐的任务中：

（随机推荐准确率的期望是 0.5%）

总结

根据结果，我们发现微信基础属性与微信读书用户阅读偏好的相关性最高，尤其是年龄、性别、n 线城市、好友数等属性。

其次，用户公众号阅读兴趣与推荐书籍相关，但没有基础属性的显著，可作为推荐策略的考量因素。

在 n 本书推荐 1 本的任务中，结合微信用户画像的先验信息推荐，与随机推荐相比，准确率增加约一倍。

因此，对于微信读书的冷启动用户，运营侧可以考虑结合微信用户画像进行运营活动的书籍推荐（人为设定推荐规则或者使用随机森林），以提高转化率。应用随机森林进行推荐时，需做 A/B 测试以验证模型的有效性。

引用

TODO