第2章用户冷启动基础

用户冷启动基础：新用户注册信息采集策略、显式反馈与隐式反馈、人口统计学特征利用

好，咱们接着聊用户冷启动。上一章讲了系统冷启动，说白了就是产品刚上线，啥数据都没有，怎么把推荐跑起来。这一章我们聚焦在「用户冷启动」——也就是一个新用户第一次打开你的App，你对他一无所知，怎么给他推荐东西？

我个人习惯把用户冷启动分成三个层面来拆解：注册时能拿到什么信息、用户行为怎么解读、以及怎么利用基础画像。这三个点搞定了，冷启动的骨架就有了。

先说说注册环节。很多产品一上来就让用户填一堆东西，什么职业、收入、兴趣爱好……我见过最夸张的，注册页有12个必填项。结果呢？用户流失率直接飙到70%。

所以我的建议是：注册时只采集最核心的信息。什么是核心？能帮你做第一轮推荐的，就是核心。

核心采集原则：

举个例子。我做电商推荐时，注册页只让用户选「性别」和「年龄段」。就这两个字段，配合商品类目的先验知识，就能把男装、女装、童装、潮牌这些大类区分开。你想想看，一个25岁的女生进来，你给她推中年男装，那肯定不合适对吧？

嗯，这里要注意一个坑：不要问用户「你喜欢什么」。为什么？因为用户自己都不知道。你问他喜欢什么电影，他可能说「喜剧」，但实际他看的最多的是悬疑片。这就是显式反馈和隐式反馈的差异，我们后面细说。

显式反馈，就是用户主动告诉你「我喜欢这个」或「我不喜欢这个」。比如评分、点赞、收藏、关注。隐式反馈，是用户的行为数据，比如点击、浏览时长、购买、加购、分享。

在冷启动阶段，显式反馈几乎为零。一个新用户，你让他先评个分再推荐？不现实。所以冷启动主要依赖的是隐式反馈。

我的经验：冷启动阶段，隐式反馈的权重应该远高于显式反馈。我做过一个实验，在新闻推荐中，用户点击行为（隐式）的预测准确率比用户主动选择的兴趣标签（显式）高出30%。

那怎么利用隐式反馈呢？我总结了一个简单的优先级排序：

反馈类型	行为示例	冷启动权重	说明
强正反馈	购买、加购、收藏	高	用户愿意付出成本，意图明确
弱正反馈	点击、浏览、播放	中	量大但噪音多，需要去重
负反馈	跳过、关闭、不感兴趣	高	冷启动阶段负反馈比正反馈更宝贵
中性反馈	停留时长、滚动深度	低	需要结合上下文判断

我曾经踩过一个坑：在视频推荐冷启动中，我把「播放完成率」作为强正反馈。结果发现很多用户只是忘了关视频，播放完成率很高但实际根本没看。后来我改成「播放完成率 + 互动行为（点赞/评论）」的组合，效果才稳定下来。

所以，隐式反馈一定要做交叉验证。单个行为可能骗人，但多个行为组合起来，可信度就高多了。

人口统计学特征，说白了就是「你是谁」——年龄、性别、地域、职业、收入、教育水平这些。这些特征在冷启动阶段特别有用，因为它们是静态的、可获取的、不需要行为积累的。

怎么用？我一般分三步走：

特征编码：把离散特征（如性别、城市）做one-hot或embedding，连续特征（如年龄）做分桶。比如年龄分成18-24、25-34、35-44等区间。
先验知识注入：利用业务经验或历史数据，建立「特征-偏好」映射。比如「25-34岁男性」在游戏推荐中更偏好策略类游戏。
冷启动模型：用这些特征作为输入，训练一个简单的逻辑回归或树模型，输出初始推荐列表。

一个实际案例：我在做音乐推荐冷启动时，只用「年龄+性别+城市」三个特征，配合一个简单的协同过滤变体（基于用户属性的相似度计算），冷启动阶段的推荐点击率从12%提升到了23%。

但这里有个大坑：人口统计学特征容易导致「刻板印象」。比如你给所有「25岁女性」都推美妆，但人家可能是个程序员，对美妆毫无兴趣。所以我的做法是：人口统计学特征只做初筛，不做终判。一旦用户产生了3-5个有效行为，就要迅速切换到行为驱动的推荐模型。

避坑指南：我曾经在一个项目中，过度依赖人口统计学特征，导致推荐结果非常「同质化」。比如所有「30岁男性」看到的都是汽车和数码，完全忽略了用户的个性化差异。后来我加了一个「探索率」参数，在冷启动阶段随机插入20%的「非典型」内容，才打破了这种僵局。

最后总结一下。用户冷启动的核心就三件事：注册时少问多引导、隐式反馈比显式反馈更靠谱、人口统计学特征要用但别滥用。你想想看，这三个点做好了，新用户进来的前5分钟，推荐系统就能给出一个「及格线以上」的结果。剩下的，就交给后续的行为积累和模型迭代了。

下一章，我们会聊「物品冷启动」——新商品上架，没有用户行为，怎么把它推给合适的人？嗯，那个更有意思。