4、用户冷启动实战：构建新用户兴趣探索机制

好，咱们进入实战环节了。

前面讲了那么多理论，现在该动手了。用户冷启动，说白了就是：一个刚注册的用户，你对他一无所知，该怎么给他推荐内容？

我当年在电商平台做推荐系统时，最头疼的就是这个。新用户来了，没有点击记录，没有购买历史，连搜索词都没有。你给他推什么？推爆款？推新品？还是随机推？

嗯，这里有个核心矛盾：你想尽快了解他，就得让他多尝试不同内容。但尝试太多，他又可能因为推荐不精准而流失。

这就是冷启动阶段的探索与利用平衡问题。

4.1 冷启动的核心挑战

先理清问题本质。新用户冷启动，我们面临三个难题：

  • 数据稀疏：用户画像几乎是空的，只有注册时填的性别、年龄等基础信息
  • 反馈延迟：用户点不点击、看不看完，这些信号需要时间积累
  • 兴趣漂移：用户今天想买书，明天想买鞋，你没法用一次行为定终身

我见过不少团队，一上来就用协同过滤给新用户推东西。结果呢？推荐列表全是热门商品，用户觉得「这平台没什么特别的」，就走了。

⚠️ 避坑指南：我曾经犯过一个错误——给新用户直接推高点击率的商品。结果发现，用户点击了，但转化率极低。为什么？因为那些商品虽然点击率高，但大多是「标题党」，用户点进去发现不是自己想要的。所以，冷启动阶段不能只看点击率，要看「探索效率」。

4.2 多臂老虎机算法：解决探索与利用的利器

多臂老虎机（Multi-Armed Bandit，MAB）这个名字挺有意思。想象一下，你面前有N台老虎机，每台的中奖概率不同。你只有有限的钱，怎么玩才能赢最多？

这就是探索与利用的经典场景：你既要尝试新机器（探索），又要多玩已知高回报的机器（利用）。

在推荐系统里，每台老虎机就是一个候选推荐策略或一个商品类别。新用户来了，我们就像赌徒一样，要决定给他展示哪个策略。

常用的MAB算法有三种，我一个个说。

4.2.1 Epsilon-Greedy：最简单的探索策略

这个算法思路很直白：以概率ε进行随机探索，以概率1-ε选择当前最优。

举个例子。假设我们有三个商品类别：A（图书）、B（电子产品）、C（服装）。新用户来了，我们设置ε=0.2。

  • 80%的概率：选择当前点击率最高的类别
  • 20%的概率：随机选一个类别

代码实现也很简单：

import random
import numpy as np

class EpsilonGreedy:
    def __init__(self, n_arms, epsilon=0.1):
        self.n_arms = n_arms
        self.epsilon = epsilon
        self.counts = [0] * n_arms  # 每个臂被选择的次数
        self.values = [0.0] * n_arms  # 每个臂的平均回报
        
    def select_arm(self):
        if random.random() < self.epsilon:
            # 探索：随机选一个
            return random.randint(0, self.n_arms - 1)
        else:
            # 利用：选当前均值最高的
            return np.argmax(self.values)
    
    def update(self, chosen_arm, reward):
        self.counts[chosen_arm] += 1
        n = self.counts[chosen_arm]
        value = self.values[chosen_arm]
        # 增量更新均值
        self.values[chosen_arm] = ((n - 1) * value + reward) / n

这个算法有个问题：ε是固定的。 刚开始探索多点没问题，但用户已经积累了100次点击后，你还用20%的概率去随机探索，就有点浪费了。

我个人的习惯是：让ε随时间衰减。 比如ε = 1 / sqrt(t+1)，这样前期探索多，后期逐渐收敛到利用。

4.2.2 UCB（Upper Confidence Bound）：更聪明的探索

UCB的思路是：对每个臂，不仅看它的平均回报，还要看它的「潜力」。

公式是这样的：

UCB = 平均回报 + sqrt(2 * ln(总尝试次数) / 该臂尝试次数)

你想想看，如果一个臂尝试次数很少，那么第二项就会很大。这意味着它虽然当前平均回报低，但「不确定性高」，值得再试一次。

代码实现：

class UCB:
    def __init__(self, n_arms):
        self.n_arms = n_arms
        self.counts = [0] * n_arms
        self.values = [0.0] * n_arms
        
    def select_arm(self):
        total_counts = sum(self.counts)
        # 每个臂至少尝试一次
        for arm in range(self.n_arms):
            if self.counts[arm] == 0:
                return arm
        
        ucb_values = []
        for arm in range(self.n_arms):
            bonus = np.sqrt(2 * np.log(total_counts) / self.counts[arm])
            ucb_values.append(self.values[arm] + bonus)
        return np.argmax(ucb_values)
    
    def update(self, chosen_arm, reward):
        self.counts[chosen_arm] += 1
        n = self.counts[chosen_arm]
        value = self.values[chosen_arm]
        self.values[chosen_arm] = ((n - 1) * value + reward) / n

UCB的好处是不需要设置ε，探索是自动进行的。但要注意，它假设回报是稳定的。如果用户兴趣变化很快，UCB可能反应不过来。

💡 实战技巧：我在项目中遇到过，UCB在冷启动初期表现很好，但用户兴趣漂移后效果下降。我的解决方案是：加一个滑动窗口，只计算最近N次点击的回报，而不是全部历史。这样算法能更快适应变化。

4.2.3 Thompson Sampling：贝叶斯视角的探索

Thompson Sampling是我个人最喜欢的算法。它从贝叶斯角度出发，对每个臂维护一个回报概率的分布，然后从分布中采样，选采样值最大的臂。

说白了，就是：我不确定每个臂的真实回报率，但我有个「信念」。每次选择时，我根据信念随机抽一个值，选最大的那个。

对于二分类问题（点击/不点击），我们通常用Beta分布来表示信念：

class ThompsonSampling:
    def __init__(self, n_arms):
        self.n_arms = n_arms
        # Beta分布参数：alpha = 成功次数+1, beta = 失败次数+1
        self.alphas = [1] * n_arms
        self.betas = [1] * n_arms
        
    def select_arm(self):
        samples = []
        for arm in range(self.n_arms):
            # 从Beta分布中采样
            sample = np.random.beta(self.alphas[arm], self.betas[arm])
            samples.append(sample)
        return np.argmax(samples)
    
    def update(self, chosen_arm, reward):
        if reward == 1:
            self.alphas[chosen_arm] += 1
        else:
            self.betas[chosen_arm] += 1

Thompson Sampling有个天然优势：不确定性越高的臂，采样值的方差越大，被选中的概率也越大。 这正好符合「探索」的需求。

我记得有一次做AB测试，Thompson Sampling的冷启动效果比UCB好了15%。为什么？因为UCB的探索是确定性的（选上界最高的），而Thompson Sampling是随机采样的，天然带有随机性，能更均匀地探索各个臂。

4.3 冷启动阶段的探索与利用平衡策略

光有算法还不够，你得知道什么时候用哪种策略。我一般把冷启动分为三个阶段：

阶段 用户行为数 推荐策略 探索比例
纯冷启动 0-5次 基于人口统计 + 随机探索 80%
弱冷启动 5-30次 MAB算法（推荐Thompson Sampling） 30%-50%
温启动 30次以上 协同过滤 + MAB混合 10%-20%

这里有个关键点：探索不是盲目的。 你不能真的给新用户随机推东西。我一般会先根据用户注册信息（年龄、性别、地域）做一个粗粒度的兴趣预测，然后在这个「候选池」里做MAB探索。

举个例子。一个25岁男性用户注册，我猜他可能对电子产品、运动户外感兴趣。那我就把候选类别缩小到5-10个，然后用Thompson Sampling在这几个类别里探索。这样既保证了探索效率，又不会推荐太离谱的内容。

🎯 核心要点：冷启动的探索与利用平衡，不是「探索越多越好」，而是「在有限的探索次数内，尽快找到用户的兴趣点」。所以，候选池的质量比探索算法本身更重要。

4.4 实战中的坑与解决方案

最后分享几个我踩过的坑：

  • 坑1：冷启动阶段用全局热门。结果新用户看到的全是爆款，觉得平台没个性。解决方案：用分层热门，按用户画像分群，每个群有自己的热门列表。
  • 坑2：MAB算法不区分用户。所有新用户共享一个MAB模型。结果呢？喜欢看书的用户被推了电子产品。解决方案：按用户画像分桶，每个桶独立维护MAB。
  • 坑3：只关注点击率。用户点了，但没转化，或者点了就关。解决方案：用多目标奖励，比如点击+停留时长+转化，加权求和作为MAB的reward。

嗯，说到这里，我想起一个项目。当时我们给新用户推了10个商品类别，用UCB算法。结果发现有个类别「家居用品」一直没人点，UCB就再也不推了。但后来我们分析发现，不是用户不喜欢家居，而是推荐位太靠后，用户根本没看到。

所以，位置偏差一定要处理。 我后来在reward里加了位置惩罚项，曝光位置越靠后，reward打折越多。这样算法就不会因为位置问题而误判某个类别的真实价值。

好了，这一章的内容就到这里。下一章我们会讲物品冷启动，也就是新商品上架后，怎么在没有用户行为的情况下做推荐。到时候会讲到内容特征提取、图神经网络等方法，敬请期待。

← 上一章 📖 返回目录 下一章 →