产品经理笔记01-内容推荐篇

回答问题：如何衡量推荐效果？

公众号：lin_fan_pm，不定期更新一些行业思考和实践。

基本前提：绝大部分业务，都可以用数据指标来衡量效果；而推荐，更适合也更需要通过指标来衡量。所有经历过“你给我推得不准啊”、“做了这么多事情，到底有没有用”这类争议的产品同学，应该都能明白，评价指标对于推荐工作的重要性。

一、终极指标：产品留存

可以说，大部分产品工作的终极指标，都是指向留存的提升。如果内容推得好，用户就读的多，读的多，留存就能提升。这是基本逻辑。

但是，大盘留存的影响因素非常多，有的起正向作用，有的起负向作用，难以直接归因到推荐效果上（这里说的不是单个实验）；另外，长留存的观察周期长，不便于日常评估。所以，产品留存只能作为一个终极的结果指标，不适合作为推荐效果的日常指标。

二、大盘视角：内容消费量、深度消费用户规模

指标定义和价值（以阅读产品为例）

这两个指标，类似于人均年收入和万元户规模。 前者代表人均量级，后者代表规模。

基本上，这两个指标就能反映出推荐效果如何。你做了一段时间，人均内容消费量在上升，同时，有深度消费行为的用户规模也在扩大。那么，就说明业务在出成绩。

三、新用户视角

新用户需要单独拎出来监控，因为新用户代表未来，代表可持续性。整体评估的思路是一样的，但由于新用户需要追踪其在N日内的动态，判断其消费行为是否稳定，所以，新用户视角通常都会追踪7日或30日的内容消费行为（就像看留存时，会看次留、7留、30留）。 同样以阅读产品为例，可以关注：

• 新用户首日人均阅读字数
• 新用户首日开始阅读率/深度阅读率
• 新用户30日内人均阅读本数
• 新用户第30日阅读率

这些指标，反映新用户在不同生命周期里的消费表现。不仅看首日的内容消费量、消费规模，也追踪用户在激活30日内读了几本、第30日还有多少用户在读书。如果这些指标都有显著提升，那说明产品的内容推荐效果在变好，且有望持续变好。而在日常工作中，为了提升这些指标，往往需要有针对性的策略。

四、链路指标

链路指标，往往是指在具体页面、具体场景、具体模块下的用户消费漏斗。

拿视频产品为例：比如：曝光uv->点击uv->有效播放uv->完播uv，反映的是用户在整个消费链路下，一环环的表现。

这类数据，通常用来发现具体的问题和优化点，然后去提升该页面或者场景下的用户消费数据，也会经常用到。每周都要看。