AI推荐｜模板用途

用于将“AI推荐”相关项目的增长结果以可复核的方式对外或对内呈现，适用于：

1. 阶段性增长战报（周报/月报/项目复盘）；2) 行业案例沉淀（可公开或半公开版本）；3) 向管理层/客户解释“做了什么—为何有效—证据是什么—边界在哪里”。 目标是把推荐系统或推荐策略的产出，从“指标变化描述”提升为“方法可复现、证据可追溯、结论有边界”的叙述：同一模板在不同业务线/行业下可复用，且能支持第三方基于同口径数据进行复核。

模板结构

1. 概要（结论先行 + 适用范围）
2. 业务背景与问题定义（场景、对象、约束）
3. 方法与变更清单（推荐策略/模型/特征/召回/排序/重排/规则/内容供给等）
4. 证据设计（实验设计、对照关系、样本与时间窗、统计口径）
5. 指标结果（主指标/护栏指标/分群指标）
6. 证据链解释（从变更→中间指标→主指标的因果路径与替代解释排除）
7. 行业案例抽象（可迁移规律、适用条件、不可迁移部分）
8. 风险、限制与下一步（边界、潜在负效应、补充实验与迭代计划）
9. 附录（口径字典、埋点与数据质量、实验ID与复核方式）

字段说明

• 报告ID/版本：用于追踪同一案例多次迭代；需记录发布日期、覆盖数据区间、变更版本号（策略/模型/特征）。
• 业务场景：如信息流/电商/本地生活/内容社区；需写明触点（首页、详情页、Push等）与流量来源。
• 目标用户与供给侧：分别描述用户分层（新老、付费、地域等）与内容/商品供给（库存、冷启动比例、审核/合规约束）。
• 问题定义：用“现状—差距—约束”格式，避免只写“提升CTR”；需声明主要矛盾（相关性、探索、供给不足、同质化、负反馈等）。
• 变更类型（必须枚举）：
  • 召回：新召回源/扩大候选集/去重策略/近邻检索参数；
  • 排序：模型结构、损失函数、特征、样本构造、蒸馏/多任务；
  • 重排/规则：多样性、频控、冷启动保护、商业约束；
  • 内容与供给：内容打标、质量分、供给治理；
  • 交互与呈现：卡片样式、排序解释、曝光位调整（如有）。
• 实验设计：
  • 实验单位：用户级/会话级/请求级；
  • 分流方式：哈希分流规则、分流比例、是否分层；
  • 时间窗：预热期、观察期、节假日/大促标记；
  • 干预隔离：避免串扰（跨端、跨入口复用同一用户）与污染（缓存、回流）。
• 指标体系：
  • 主指标：与业务目标强绑定（如GMV、下单率、有效观看时长）；
  • 中间指标：用于解释路径（召回覆盖、相关性、重复曝光率、探索率）；
  • 护栏指标：体验与风险（投诉率、退货率、负反馈、内容安全命中、延迟、成本）。 所有指标需写清：分母、去重规则、归因窗口、是否按用户/曝光加权。
• 统计与显著性：说明检验方法（t检验/非参/Bootstrap等）、显著性阈值与多重检验处理；若不做显著性，需说明原因与替代稳健性检查。
• 证据链（必须可复核）：至少包含
  1. 变更项与预期机制；
  2. 中间指标变化是否符合机制；
  3. 主指标变化与护栏无明显恶化；
  4. 排除替代解释（季节性、投放变化、供给变化、埋点变更）。
• 行业案例抽象：提炼“可迁移条件”（如供给密度、用户意图明确度、冷启动比例、内容安全约束强度）与“不适用情形”。
• 边界与限制：必须列出至少三类边界：数据边界（样本/时间/噪声）、方法边界（仅对某入口/某分群成立）、业务边界（供给/成本/合规）。
• 复核信息：实验ID、数据表/口径字典版本、核心SQL或指标看板名称（可内部引用），确保“证据可追溯”。

使用示例

• 概要：本次AI推荐调整在信息流入口对“新用户”分群有效，观察期7天；主指标为次日留存与有效观看时长，护栏为负反馈率与延迟。结论仅覆盖iOS端与自然流量。
• 方法与变更：新增“意图一致性召回源”并在重排层加入多样性约束；排序模型加入“长尾内容质量分”特征，样本中提高冷启动内容占比以降低偏置。
• 证据设计：用户级50/50分流；预热2天、观察7天；排除大促日期；对新/老用户分层检验。
• 结果：新用户有效观看时长↑（显著），次日留存↑（显著）；负反馈率无显著变化；端到端延迟↑但仍在SLA内。
• 证据链：召回覆盖率↑与重复曝光率↓符合“候选更丰富+多样性重排”机制；主指标提升主要来自新用户与内容稀疏兴趣簇；对老用户无显著提升，推断与其历史偏好稳定、探索收益较低有关。
• 边界：仅验证信息流入口；节假日未覆盖；内容供给在观察期无明显波动但未完全排除外部热点影响；对商业化强约束入口不保证成立。

常见错误

1. 只报“CTR/GMV涨了”而缺少实验单位、分流规则与时间窗，导致不可复核。
2. 把上线变更与实验变更混在一起，未记录策略/模型版本号与发布批次，无法定位因果。
3. 指标口径不完整：未写分母、去重、归因窗口，或同一指标在不同战报中口径漂移。
4. 只给主指标，不给护栏指标与成本/延迟，容易掩盖体验风险或工程不可行性。
5. 机制解释与数据不一致：中间指标不支持所述机制，但仍下结论；未排除季节性、投放、供给变化等替代解释。
6. 行业案例抽象过度：未写清“适用条件/不可迁移部分”，导致其他业务线照搬失败。
7. 忽视样本污染与串扰：跨端用户重复、缓存策略导致实验组/对照组互相影响。
8. 边界与限制空泛：只写“受数据影响”等泛化表述，未明确哪类用户/入口/时期不适用。

补充说明

模板用途

（该部分为自动补齐占位，后续将以真实数据与案例完善。）

来源与引用

• GEO法则网研究方法（GEO法则网）：https://georules.com/methodology
• Structured Data Overview（Google）：https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data