硬核干货：陌生人社交产品 推荐匹配机制解析～
2024-07-22 22:47:57 0 举报AI智能生成
硬核干货：陌生人社交产品 推荐匹配机制解析～
作者其他创作
大纲/内容
社交匹配
机制概述
机制概述
陌生人社交
链路和需求
链路和需求
陌生人的社交链路：1 用户建立自己的画像 2 产品明确用户的需求 3 平台匹配合适的用户 4 用户之间聊天破冰- 5 沉淀关系-关系升级 6 关系升级完成大概率就去微信离开平台 ,整个生命周期结束直到下一次有社交需求后又回到平台 。
陌生人社交需求： 无聊 ，孤独 ，荷尔蒙。 陌生人社交中被污名化的约炮，只是其中一个小的人性需求，绝不是全部。
陌生人社交匹配： 要完成陌生人社交的链路，匹配效率是核心竞争力。匹配不是让用户通过某一种方式认识上，而是让合适的用户在合适的场景认识，最后形成社交关系的升级。
陌生人社交
匹配的特点
匹配的特点
流动性大卸载与下载循环：非强需求、隐私要求高，大多数会在单身、无聊 等时候使用，在需要的时候下载安装，没有需要就卸载。
双向匹配满意度为终结：双向匹配满意为终结，发现了很多心仪的对象，表示喜欢以后，如果不能有一定的回音，可能很快流失。
可互动用户限制：可互动（比如LBS，可互动指的是距离不能大于某个值）的用户每日用户数需要达到2000以上，7日留存在40%以上，这个产品才是值得投入持续拉新。
地区优与颜值：某个地区用户数量匮乏的话特别是LBS产品。这个地区的用户就容易流失，在颜值相当或者略差的情况下，用户可能对于近距离的匹配也会更感兴趣。
社交氛围影响大：社交氛围，直接影响人群的行为模式和可能的结果 比如【伊对-通过红娘介绍初对象】【青藤之恋-高学历实名制的恋爱】很多陌生人社交最后会发展成约炮、恶意骚扰的工具。放任就会造成劣质流量将破坏氛围，产品下架。
限制分发：从道德和用户需求出发，每个用户只能完成一定次数的被匹配，若给无限的用户进行分发，会收到过多的打招呼私信干扰，发送招呼的用户也会因为得不到反馈，而离开平台。
新用户-到老用户蜕变：先颜值-看顺眼- 聊得来-可接触 初期新用户对匹配或对高颜值的期待，长期匹配聊天成功率是普遍的终极需求。
新鲜感的持续性刺激：短时高强度给予被匹配用户改为持续间隔刺激对用户刺激及留存有较大的影响，每隔一段时间（比如5分钟或者更久）或者用户匹配疲劳时，弹出新鲜的匹配。
性别区分大，年龄集中、年龄包容上限下限不一致: 男性，主要通过颜值来判断沟通对象，且随着年龄的增长可以接受越大的年龄下限；女性则考虑背景、学历、地位等各种因素、能接受的年龄上限低于男性。整体用户群体，集中在24岁附近，30岁后急剧下降，
最后逐渐减少，因为单身人士要么找到伴侣，要么退出了竞争。
最后逐渐减少，因为单身人士要么找到伴侣，要么退出了竞争。
陌生人社交的
数据指标
数据指标
指标的非独立性和联动：指标之间不能完全独立，在优化一个指标的
同时很容易对另一个指标产生作用。整体指标受算法、功能体验、网络效应、心理学等影响
同时很容易对另一个指标产生作用。整体指标受算法、功能体验、网络效应、心理学等影响
大盘指标：
DAU=新用户+老用户 的活跃
活跃指标：使用时长、每日访问次数、每次匹配完成后的对话频率等
留存指标：次日、7日、30日留存 ，用户付费率、用户整体匹配率等等需要重点关注核心用户群体的留存。
社交行为指标
主动社交指标： 单向匹配率、双向匹配率
受欢迎指标：喜欢率=被喜欢个数/展现次数、 喜欢率=进行喜欢个数/展现次数、信息被点击率、信息展示时长
反馈率/在线率：收到一个被喜欢后，多久会反馈，越短的间隔，用户体验更好， 反馈率=被喜欢后进行喜欢操作的时间间隔、在线率=一天24小时内在线次数(时间间隔小于30分钟记为1次)。
标签性指标
颜值分：上传的照片，通过图像识别进行颜值打分，
在匹配阶段使用的图像Match分。
在匹配阶段使用的图像Match分。
标签:通过标签及用户生活圈层的相似程度
来为每个用户建立一套算法作为推荐参考
来为每个用户建立一套算法作为推荐参考
不同阶段关注
指标不一样
指标不一样
短期：主动社交行为指标，单向进行社交行为，比如 左滑/右滑
中期：双向匹配成功、聊天、聊天深度
长期：留存、付费。
是否主动社交：有没有喜欢的人
是否双向匹配成功：有没有互相喜欢的
是否聊天：聊天次数，深度，
隐私因素：会不会遇到熟人、仙人跳、敲诈)
陌生人社交
推荐匹配机制
推荐匹配机制
基于人的推荐匹配，推荐的物料和用户画像是重合的，即把用户画像中的人推荐给用户，实现用户之间的匹配，用户互为生产和消费者。
构建用户画像、进行召回排序
画像参考笔记 《 社交产品（5）社交用户画像和推荐系统的搭建
根据已有的用户画像
进行召回 和 排序
进行召回 和 排序
召回：指从全量信息集合中触发尽可能多的正确结果
并将结果返回给“排序”。从【高质量用户/用户画像兴趣标签/同城同省、距离/活跃度、热度/被喜欢程度/互相喜欢、互相交流、匹配度预测】等维度进行召回
并将结果返回给“排序”。从【高质量用户/用户画像兴趣标签/同城同省、距离/活跃度、热度/被喜欢程度/互相喜欢、互相交流、匹配度预测】等维度进行召回
排序：召回的内容进行打分排序，选出得分最高推荐给用户，对【高颜值用户/实名认证用户/高回复率用户/对高付费率用户/附近的用户/vip用户/在线用户】进行提权，对【匹配数量上限/用户在线状态（正在聊天、正在视频电话）对低质量用户/脚本机器人/黑产行为】进行降权
召回与排序策略中，需要考虑用户冷启动问题、实时性问题、
个性化、效率以及用户隐私等问题
个性化、效率以及用户隐私等问题
加速匹配
核心原则
核心原则
产品规则中保护【核心用户】
即社交关系中的重要一方：
即社交关系中的重要一方：
常规方式即保护【女性用户】比如【她说】女性拥有优先选择权。
活跃、留存高的用户不一定是核心用户，活跃、留存高、付费、供小于需且被别人喜欢的用户才是核心用户差体验用户（卖货、不法交易）需要被限制，这部分人的存在和留存高反而会严重拉低用户体验
做好流量的平衡，动态维持一个比例，比如当性别失衡时
（突然大量涌入一波男性用户），需要保证核心的用户的体验。
（突然大量涌入一波男性用户），需要保证核心的用户的体验。
社交链路的全过程，
做好服务和体验。
做好服务和体验。
单向交互：即发现认识人的体验是否顺滑，比如 探探的左滑/右滑
双向匹配成功：双向匹配成功后，进行沟通交流的体验。
长期关系进阶升级：双向匹配成功后，开始聊天、交流、约会、成为男女朋友等。但实现关系升级后，就会离开卸载产品去到微信回到熟人社交产品中，只到下一次感到无聊、孤独再次安装。
收集到用户的更多画像，
提升匹配效率和准确性
提升匹配效率和准确性
基础信息：
显性信息：性别、年龄、星座、昵称、兴趣标签等信息
产品功能体现：注册完毕后、让用户填写的昵称/头像/ 性别/兴趣
产品功能体现：注册完毕后、让用户填写的昵称/头像/ 性别/兴趣
隐性信息：用户不会告诉你一切，并且用户可能也无法准确描述自己的需求。此种情况就需要数据挖掘
主页信息：
访问他人主页时可以看到的社交名片信息，来强调 【用户的自我呈现】比如：兴趣爱好、关系状态、自我介绍，兴趣标签、星座、MBTI、兴趣爱好、动态信息
好的主页设计，在产品的前期是好的营销工具，比如最近火出圈的被称为【年轻版的Twitter】的 【nopalce】它的主页设计就很像一本90后的回忆录
行为信息：
用户互动频率、内容偏好、分享与反馈、用户生成内容活跃度。
历史付费能力、回复率、活跃程度 登录频率等等
先分类再匹配
精准与去中心化
精准与去中心化
识别高价值用户，对其进行加权
对用户分层-建模-双向推荐匹配度最好的用户。通过将A对B和B对A的喜欢概率进行预估，并相乘计算匹配成功率；需要在匹配计算公式中加入对方未来活跃(活跃时间间隔预估)并回复的概率，并作为因子影响匹配成功率。比如对实时在线的用户给予优先权（因子分数高）让反馈速度提升。
整理避免产品发展跑偏的措施，并整合到推荐匹配系统中，
实现社区的净化避开陌生人社交的雷区【约炮】【恶意骚扰】
实现社区的净化避开陌生人社交的雷区【约炮】【恶意骚扰】
新人在只有静态信息时(地区、设备、年龄、职业等)根据静态信息对其聚类，推测其喜欢和被喜欢的人群，完成初步匹配后，在后续的行为中积累数据修正初期的群体偏好。
参考学习资料
《基于双向匹配的陌生人社交业务、策略及算法思考》作者：姚凯飞
《从小红书上线「找搭子」聊聊陌生人社交产品怎么做》作者：韩叙
《社交推荐系统的前生今世》 作者：晓宇科技技术团队
《陌生人社交算法拆解-补充》 作者：姚凯飞 公号：阅读以明智
《好巧你也做社交？整个框架解读社交呗 》作者：AriaNio
《从“Soul”和“伊对”看陌生人社交》作者：AriaNio
0 条评论
下一页
