如何提高冷门商品的推荐效果？｜拼多多算法面经解析

60 秒回答模板

冷门商品效果差通常是因为曝光少、点击少、训练样本稀疏，模型难以学习。可以用商品标题、类目、属性、图片、价格、店铺和语义向量增强内容理解；召回侧做相似商品、类目、长尾和向量召回；排序侧加入平滑统计、冷启动特征和去偏样本；重排侧给冷门商品小比例探索曝光。评估时要看长尾曝光、成交、用户满意度和负反馈，不能只看整体 CTR。

考点 行为稀疏

难度 真实面经题

回答目标 讲清方法、取舍和追问

深入解析

先识别冷门成因

冷门商品可能质量不差，只是历史曝光和交互少。推荐模型依赖行为数据时，会天然偏向热门商品，导致冷门商品更难获得新反馈，长期会让行为稀疏问题继续加重。

内容特征补行为不足

商品标题、类目、属性、图片、价格、品牌、店铺质量和文本图像 embedding 都可以帮助模型理解商品，在行为稀疏时提供初始表达。

召回侧增加长尾入口

通过相似商品、同类目、内容向量、搜索 query、用户细粒度兴趣和小众偏好召回，让冷门商品有机会进入候选集。

排序和重排做约束

排序可以使用平滑后的点击率、转化率和置信度特征，重排可以设置长尾配额、探索位和曝光频控，但要守住相关性和质量底线。

闭环评估防误伤

观察冷门商品曝光、点击、转化、退款、投诉、用户留存和整体 GMV。只提高曝光不代表成功，低质量冷门商品可能带来负反馈，所以要同时看用户体验和供给侧收益。

易错点

不要把冷门商品简单等同于差商品，也不要无条件扶持所有冷门。
不要只在排序层修正，如果召回进不来，排序没有机会处理。
不要只看曝光提升，要看成交质量、负反馈和长期留存。

面试官追问

冷门和低质量怎么区分？

结合内容质量、店铺信誉、价格竞争力、少量曝光后的反馈和人工规则，不把所有低曝光都当优质长尾。

探索比例怎么设置？

从小流量和特定场景开始，按类目和用户分层，观察收益和负反馈后逐步调整。

没有点击数据如何建模？

用内容特征、类目先验、相似商品迁移、店铺先验和贝叶斯平滑统计建立初始分数。