主要做法
01关注后是否继续观看和互动，是调整推荐的重要依据。
项目档案 05关系分发2021.12 - 2024.07字节跳动 · 抖音图文
关注关系推荐：不是所有关注都值得放大
根据关注后的观看、互动和反馈，调整关注内容的推荐策略
我负责的部分
我主要负责关注关系的定义、降噪思路，以及关系信号在推荐中的使用口径。
项目重点
关注后是否继续观看和互动，是调整推荐的重要依据。
Relationship ValueFollow GraphRecommendation SignalUser LTPeople RecommendationSignal Calibration
关注关系推荐 · 一页看懂
关注之后，用户还会继续看吗？
用户关注作者后，兴趣和内容都可能变化。这个项目结合后续观看、互动和负反馈，调整哪些内容继续推荐、哪些减少曝光。
01
关注后的消费变化
推荐关注作者的内容时，需要同时看用户近期是否还在观看、互动。
02
一次关注不代表持续兴趣
用户可能因为一条爆款、一次活动或一个热点关注作者，之后未必持续观看。
03
减少无效推荐
根据后续消费和反馈，区分值得继续推荐和需要减少打扰的关注关系。
核心定义
关系价值：后续消费、作者更新和用户反馈
还看不看
- 关注后复访
- 稳定观看
- 推荐中仍点击
会不会回来
- 主动访问
- 评论收藏
- 互动反馈
内容还像不像
- 方向稳定
- 兴趣一致
- 体裁适配
作者还更不更
- 更新频率
- 作者活跃
- 质量稳定
有没有反感
- 低取关
- 低屏蔽
- 低负反馈
定义优化
从“点了关注”到“后面还看”
1. 先别急着加流量
统一增加关注内容的曝光，也可能增加用户不再感兴趣的内容。
2. 看关注之后发生了什么
关注后还看、还互动、低负反馈，才更像一条有后续价值的关系。
3. 将关系信号用于推荐
把关系信号用于召回、排序、混排和作者推荐，并观察实际效果。
推荐侧使用
关系信号怎样用于推荐
召回
召回用户近期仍在观看的作者内容。
排序
优先推荐用户仍在持续观看、互动的关注作者。
混排
别让关注内容过度挤占兴趣内容。
降噪
弱关系、过期关系、负反馈关系少打扰用户。
推人
推荐更可能让用户持续观看和互动的作者。
策略链路
一条关注关系，先判断，再分发
1
看关注后行为
→
2
区分关系价值
→
3
校准样本
→
4
接入推荐
→
5
调整推人
→
6
复盘推荐效果
—
关注关系流量 DAU
真关系
核心判断从关注动作转向关系价值
少打扰
让弱关系在推荐里降噪
项目说明
方案和验证
这里记录了主要做法、评估依据，以及后续需要观察的情况。
评估时注意
02结合用户近期兴趣和作者更新情况，分别处理不同的关注关系。
证据来源
03关注后的观看、互动、回访、负反馈，以及推荐实验结果。
后续观察
04若增加关系推荐后 DAU 或留存没有改善，或负反馈上升，需要检查降噪和分发策略。
AI 相关想法
可以尝试用 AI 辅助分析关注关系
AI 可以帮什么
AI 可以整理关注后的互动记录、内容偏好和近期变化，提供关系变化的线索。
需要人工确认
关系信号怎样进入召回和排序，以及如何控制打扰，需要结合推荐目标决定。
验证时要看什么
需要用后续观看、回访和负反馈检查分析结果，再通过推荐实验验证。
业务指标的具体数值不公开。