今日头条的用户体验分析

今日头条的新闻资讯以频道划分，在选定的频道下，推荐的新闻列表是以一定的规则进行组合排序的。

推荐什么？

所推荐的项目是：文章、相册、帖子、视频，这里使用一个抽象的称呼叫做item；

对于一个用户来说，是一个由不同频道的item经过某种规则排列组合的item 序列表；

对于不同用户来说，是两个不尽相同的item序列表；

item的定性分析：

官方对item的分类是以频道的形式进行划分，比如频道列表是热点/上海/视频/社会/娱乐/科技/问答...等；

一个item可以被划分到多个频道里；

一个item根据内容可以聚类成多个标签

一个item的基本组合形式是：

1.标题 

2 发表时间 

        3 发布来源

        4.主体，比如文章、相册、帖子、视频 

        5标签，可以点击标签进入到以标签为关键词的搜索页面

        6.反馈渠道，比如赞，踩，收藏、分享、评论等

        7.广告推荐

        8.相关推荐，比如内容相关

item的定量分析：

item的文字排榜有没有什么特别的规则；

文本长度是否特别的限制呢；

后台关于item的存储应该是海量的吧；

为什么需要推荐？

假设没有推荐，那么

用户打开今日头条，发送一个推荐请求到服务器，服务器获取一个频道下当前最近的itemList返回给客户端；

用户刷新一下，重复上一步的操作；

这里会遇到三个问题：1.假如后台的item库较大，则每次返回的候选的itemList较大，实际上一次能返回给客户端的itemList不超过两屏，这样会造成很多的item被漏掉，造成item浪费； 2.假如后台的item库较小，则实际上可以返回的itemList可能就新增了一两个，这样会造成好像每次刷新总是一样的新闻 3.就算返回的itemList是随机摘取的，也会造成不同用户看到的itemList都差不多；

今日推荐所推荐的是新闻，新闻是讲究时效与热度的，对于item库的量较少时，它不能像商品推荐一样，去给你推荐一个很久以前上架的商品但是你可能感兴趣的，在这种情况下，即便使用了强大的推荐算法，用户也会感觉自己看到的新闻每次刷新都差不多。所以新闻推荐的item库应该是一个item过载这种情况，面对的场景是：一个用户的推荐请求过来，候选的itemList的长度可能过万了。

数以万计的候选的item，选择出十几个将被用户看到的item，这里需要推荐技术；

推荐的效果是什么？

这里站在用户的角度，亲自去使用今日头条这款产品，去总结下产品给予我什么东西了。

所关注的频道列表初始是：

推荐/热点/上海/视频/社会/娱乐/科技/问答...等

所关注的头条号是：

头条号1/头条号2/头条号3...

关于推荐这个频道：

第一条是置顶新闻，一般是当前的国家大事，放置一段时间都不变；

     接下来的新闻列表是根据 你所关注的频道列表、头条号、广告提取的一两篇新闻排列组合而成。每刷新一次，就以此规律排列组成一个推荐列表插入到历史推荐列表里。

推荐的ITEM到底是不是我所感兴趣的呢？我尝试关注了偏向于计算机技术的十几个头条号，不断地刷新闻去观察我看到了什么新闻；

观察结果是：

1.每次刷新产生的新的推荐列表是历史没有看过的，多次的推荐形成一个基于时间序列的历史推荐列表； 

2.一个推荐列表的的item从标题，发布者，内容等组成上看是不尽相同的；

3.一个推荐列表的长度大概是两屏的长度，每一屏差不多会有一两篇item是我所感兴趣的，虽然能引发我的兴趣，但是不属于我预先已知的兴趣，而是被系统激发出来的兴趣。

4.在多次推荐列表里，只会有少数是属于我自知的兴趣范围内的，没有很明显地不适的内容推荐项。

参考：

《今日头条》产品分析报告  http://www.uebloc.com/html/923017.html

今日头条产品个性化推荐功能用户体验分析 http://www.jianshu.com/p/ea9747652a44

《今日头条》用户体验报告 http://www.jianshu.com/p/4dc09a3a4e47