布本智能：用AI重新定义“智能推荐”

钟士玉

在个人和企业都可以做媒体的时代，内容迎来了大爆发，却也增加了用户的筛选成本。今日头条通过基于兴趣的智能推荐算法迅速脱颖而出，日活上亿，并开启了智能推薦技术的热潮。

但同时，这种基于兴趣的算法也受到了质疑。如果机器一味投其所好，可能会面临内容推荐范围越来越窄以及误导用户的风险。

布本智能公司的主推产品“头条云”，简单地说，就是通过SaaS的方式帮助B端企业给用户智能推送“感兴趣且应该看”的高质量内容，同时为企业提供运营平台，帮助企业个性化地盘活不同类型的用户。

2018年年初，布本智能宣布完成3000万元Pre-A轮融资。布本智能创始人卢学裕向创业邦（微信搜索：ichuangyebang）独家透露了头条云最新版——Max在“运营平台”方面的细节。

用探索引擎重新定义准确度

对于智能推荐技术，“准确度”是一个重要的评价标准。在卢学裕看来，“准确”包含两个维度：喜欢（like）、需要（need）。目前大多数智能推荐关注的点是用户喜不喜欢，其实给用户提供他们需要的内容也很重要。

这样的产品定位与卢学裕以前两次短暂的创业经历有关。他总结说，当时自己持有的更多还是商业视角，不知道亏钱后还能如何进行下去，后来看到别人亏钱也做出了市场，就想如果自己当时知道该怎么办，或者被推荐了提供类似经验的内容，可能情况会更好。

目前内容产品大体可以分为三类——消费型内容、帮助决策的内容、提高认知的内容，头条云主要立足于后两类。为了能给用户推荐合适的有用的内容，团队开发了双引擎——个性化引擎和探索引擎。

个性化引擎主要负责基于兴趣的推荐，通过机器学习为用户匹配他们感兴趣的内容。而探索引擎则是基于用户行为选择较远的关联探索用户的潜在兴趣，对内容的受众进行反向分析，探索出可能对用户有价值的内容。比如一位用户常看创业相关内容，可能他是创业人士，机器就会给他推荐一些创业者应知应会的财务、股权相关内容。

在内容质量把控上，头条云立足于全网，根据构建的多领域知识图谱和算法模型来训练机器进行筛选。比如在对内容源、文章结构等方面进行判断时，来源于优质主流媒体、信息密度高、结构清晰的文章有更大的概率会被机器判定为高质量文章。

但这也会带来一个问题：对于某些内容，用户是需要的，但可能并没有兴趣，如果推荐这类内容会影响用户体验，怎么办？

卢学裕觉得人们很难用机器解决所有的事情，但可以通过辅助机制来解决。他向创业邦（微信搜索：ichuangyebang）透露，团队目前正在开发一款专门针对B端企业内部员工的新产品，可以根据岗位角色的不同，推荐其需要学习的内容，希望能够以社群的运营方式提升员工的阅读兴趣。

筛选用户画像盘活用户

谈到技术壁垒，卢学裕表现得很低调。他觉得创业公司其实并没有绝对的壁垒，技术的东西今后会是趋同的，关键还是看谁“扎得深”。服务好B端，帮助他们实现价值，是卢学裕选择的发力重点。

因此，头条云团队专门开发了供B端使用的运营系统，以满足其不同的运营需求。比如，如果使用该运营系统的B端希望给用户推荐全新内容，就需要训练机器。机器会记录用户的操作行为，以便运营者定义不同的用户画像，做精准运营。当运营者想要主动召回沉默用户，可以通过筛选条件，根据用户属性、用户行为等指标将此类用户单独分类出来。

针对分组，运营者可以按热点、兴趣进行智能推送或自定义推送，机器会记录效果反馈。当用户行为发生改变，不再符合当前分组条件，系统会自动更新，将用户归到其他组。

智能推荐使得机器成了每个用户的“专属编辑”。而头条云通过对“准确”的差异化定位和运营系统让这个智能编辑变得更加“有思想”，不仅能为用户推荐高价值的内容，还能帮助B端培养用户黏性。

目前头条云拥有来自电商、母婴、教育、旅游等领域的客户。当企业越来越重视以深度内容连接用户时，头条云在B端的应用场景也将更加丰富。