01
AI 识别关系状态
根据互动、观看、停留、回访和负反馈，识别一条关注关系是活跃、衰减、误关注还是弱关系。
Case File 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
一个不性感但很底层的推荐问题：用户点了关注，不代表这条关系一直有价值
我的判断
关注动作不等于关系价值，推荐系统应该放大真关系，减少弱关系打扰。
Relationship ValueFollow GraphRecommendation SignalUser LTPeople RecommendationSignal Calibration
开场判断
这个项目要解决的，不是关注按钮有没有被点。
这个项目不算性感。它不是新业务，也不是大增长战役，但它解决的是推荐系统里一个很底层的问题。
用户点了关注，只能说明当时建立了一条关系边，不代表这条关系后来一直有消费价值。
我当时的判断是，推荐系统应该放大真关系，而不是把所有关注都当成稳定兴趣。
最后关注关系流量贡献 DAU +2%，这个数字不夸张，但它说明关系信号变得更准确，弱关系对用户的打扰减少了。
这个项目最后留下来的，不是一次关注流优化，而是一套判断“什么关系值得推荐侧继续使用”的口径。
关注关系推荐 · One Page
这个项目不性感，但它把一个弱信号讲清了
用户点了关注，不代表这条关系一直有价值。我当时真正想解决的不是“多给关注内容一点流量”，而是让推荐系统知道：哪些关系还值得放大，哪些关系已经该降噪。
01
这个项目不算性感
它不是新业务，也不是大增长战役。但它解决了推荐里一个底层问题：关注关系到底该不该被放大。
02
关注动作有水分
用户可能因为一条爆款、一次活动、一个热点点关注，过几天就不看了。
03
真正要做的是降噪
不是把关注内容整体加大，而是分清哪些关系还活着，哪些关系已经变成打扰。
核心定义
真关系 = 关注后还在消费 × 作者还在供给 × 用户没有反感
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
如果所有关注关系都被放大，短期看像是增强关系分发，长期可能是在放大噪声。
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. 把判断交给推荐用
最后不是生成一个漂亮标签，而是让召回、排序、混排、推人真的用得上。
推荐侧使用
让关系信号进推荐，但别乱用
召回
先把用户还会看的作者内容捞出来。
排序
不是所有关注一视同仁，真关系可以更靠前。
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
少一点盲推，多找后面真会被消费的作者。
策略链路
一条关注关系，先判断，再分发
1
看关注后行为
→
2
拆真关系/弱关系
→
3
校准样本
→
4
接入推荐
→
5
调整推人
→
6
复盘 +2%
结果与沉淀
+2%
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
我的重点：这个项目没有惊天动地的故事，但它留下了一个很实用的判断：关注动作不等于关系价值，推荐系统应该放大真关系，减少弱关系打扰。
AI 时代怎么做
如果今天重做，我会把它做成关系价值诊断工具。
AI 可以帮助发现关系衰减和弱关系噪声，但不能把一次关注直接解释成长期兴趣。
02
人定义真关系
哪些关系值得继续放大，哪些关系应该降噪，需要结合用户体验和推荐目标来定边界。
03
沉淀关系信号工具
把关系强度、衰减节奏和推荐使用方式做成诊断结果，供关注流、推荐和推人策略使用。
AI 在这里不是替用户决定关系，而是帮助推荐系统少放大无效关系。