8.4.2　标的物冷启动

针对新上线的标的物，基于上述7大冷启动解决思路，可行的解决标的物冷启动的方案与策略有如下几类。

1.利用标的物的metadata信息做推荐

标的物的metadata信息是我们了解标的物的最好媒介，基于metadata信息可以方便地解决标的物冷启动问题，具体方法如下。

（1）利用标的物跟用户行为的相似性

可以通过提取新入库的标的物的特征（如标签、采用TF-IDF算法提取的文本特征、基于深度学习提取的图像特征等），通过计算标的物特征跟用户行为特征（通过他看过的标的物特征的叠加，如加权平均等）的相似性，从而将标的物推荐给与它最相似的用户。

（2）利用标的物跟标的物的相似性

可以基于标的物的属性信息来做推荐，一般新上线的标的物或多或少都是有一些属性的，根据这些属性找到与该标的物最相似（利用余弦相似度等相似算法）的标的物，这些相似的标的物被哪些用户“消费”过，可以将该标的物推荐给这些消费过与之相似的标的物的用户。

2.采用快速试探策略

另外一种思路是借用强化学习中的EE（Exploration-Exploitation）思想，将新标的物曝光给一批随机用户，观察用户对标的物的反馈，找到对该标的物有正向反馈（观看、购买、收藏、分享等）的用户，后续将该标的物推荐给有正向反馈的用户或者与该用户相似的用户。

该方法特别适合像淘宝这种提供平台的电商公司以及像今日头条、快手、阅文等UGC平台公司，它们需要维护第三方生态的繁荣，所以需要将第三方新生产的标的物尽可能地推荐出去，让第三方有利可图。同时通过该方式也可以快速知道哪些新的标的物是大受用户欢迎的，找到这些标的物，也可以提升自己平台的营收。

这种思路其实就是一种流量池的思路。在不知道标的物是不是受欢迎时，先试探性地将标的物曝光给一批种子用户，看种子用户对标的物的反馈，如果反馈良好，再推荐给更多的用户，否则减少推荐量。这种方式可以很好地对新标的物进行精细控制，也有利于用户体验的提升（不受欢迎的标的物后面就可以不给流量支持了）。这对于平台上提供内容输出的第三方也是有好处的，如果你的内容足够好，采用流量池的思路是可以短期引爆内容的，从而可以为自己带来极大的用户关注，最终成就更多的商业价值。

3.采用基于关系传递的策略

当产品处在拓展标的物品类的阶段时，比如视频类应用，前期只做长视频，后来拓展到短视频，那么对某些没有短视频观看行为的用户，怎么给他做短视频推荐呢？可行的方式是借用数学中关系的传递性思路，利用长视频观看历史，计算出长视频与用户的相似度。对新入库的短视频，我们可以先计算与该短视频相似的长视频，再将该短视频推荐给喜欢与它相似的长视频的用户。

该相似关系的传递性可描述为：短视频与长视频有相似关系，长视频与喜欢它的用户有相似关系，最终得到短视频与用户有相似关系。