大廠流量端產品策略之“相似圖/相同類目”打散過濾策略

來源：日劇盤點釋出時間：2023-03-02 12:11

在逛電商平臺時，你是否有遇到過這樣的場景：搜尋了某款商品，退出搜尋頁面後發現資訊流推薦的都是類似或相同類目的商品，基於這一場景，於是有了相似圖/同類目過濾打散策略，來保證呈現準確與豐富的頁面。一起來學習這個策略吧。

今天接著寫流量體驗策略文章系列，這個系列主要是圍繞消費者C端在媒體流量端來介紹的對應策略，我們已經講完已購買和負反饋過濾豁免策略，今天來講講相似圖與同類目打散策略，這個策略是從消費者C端直觀視覺角度出發最佳化瀏覽體驗的重要策略；如果有幫助到大家辛苦幫忙點贊、收藏以及評論一下，感謝大家對連續更新的支援；

1、相似圖/同類目過濾策略問題背景

2、相似圖/同類目過濾策略問題設計思路

3、對於相似圖/相似圖打散策略的總結

一、相似圖/同類目過濾策略問題背景

1.1相似圖/同類目過濾策略問題場景

老規矩，介紹相似圖/同類目策略定義之前，不知道大家是否在淘寶、京東中遇到過以下場景：

“Arthur今天看中了一雙鞋，就在京東搜尋了一下該鞋的款式，等到退出搜尋結果頁面的時候發現在我的資訊流推薦位滿屏都是該款鞋，無論是圖片的樣式仍是款式都是同一款，讓我覺得推薦缺少了那麼些多樣性，雖然我知道我目前感興趣，但是也不用對我進行資訊轟炸吧，這樣體驗太差”，不光是圖片相似，由上述場景還可以延伸到相同的類目上，我搜索了心相印衛生紙，就滿屏給我推薦清風、品諾等等品牌的衛生紙、捲紙以及餐巾紙……

推薦位全屏熊貓dunk鞋

基於以上場景，相似圖/同類目過濾打散策略應運而生，所以從這個場景我們瞭解到，雖然推薦系統對於召回、排序預估大部分的樣本來源都來自於使用者的行為樣本，但是我們不能因為短時興趣行為序列attention帶來的pCTR偏高，導致推薦喪失了多樣性了，推薦相關性很重要，但是同時平衡“推薦多樣性”同樣很重要，這也是前文關於“新品item冷啟動”一文介紹關於E&E的文章目的，探索消費者使用者的興趣多樣也是非常重要的點；

定義：相似圖/同類目打散過濾策略是基於（自然/廣告）推薦結果在精排環節eCPM /rankscore確認的情況下，在重排序環節對最終排序結果實現打散過濾的策略行為，保證最終在客戶端APP（京東/淘寶）最終準確與豐富的多樣平衡的策略；

二、相似圖/同類目過濾策略問題設計思路

2.1 相似圖/同類目過濾策略總體概述

詳細策略：

相似圖/同類目過濾策略同樣是在自然推薦/廣告推薦系統在【重排序】環節，為什麼是重排序環節呢？

因為所有的排序結果將在前端給到使用者進行呈現，前面的召回、粗排的結果都不是最終呈現給到使用者面前item排序的結果，只有精排結束之後才能保證無論是廣告排序eCPM/自然推薦排序rank的結果，所以最終的同相似圖/同類目過濾策略都會發生在重排序的環節。

2.2 相似圖過濾策略

仍是拿上述case舉例，我需要過濾相似圖，我肯定是要找到具體的某個item前後左右坑位下圖片相似性Similarity，然後把所謂的圖片相似性可量化，最後把高於某個“閾值”相似的圖片給過濾掉，例如我右上角出了Nike的這雙球鞋圖片那麼我應該過濾掉後面的這個sku_id，我們在排序當中一般會把排在後面坑的item商品過濾掉，滿足排序貪心演算法最優解的原則；

問題：由於人類主觀視覺很容易從影象中抽取出結構資訊，計算兩幅影象結構資訊的相似性就可以用來作為一種檢測影象質量的好壞；但是模型演算法不能直接判別，因此我們就需要用到一些機器學習中對於相似圖識別的處理方法來計算（類似的演算法常用於指紋識別、面部識別打卡等場景）

常見的相似圖方案有以下幾種：

1）餘弦相似度計算：將圖片進行向量化vector處理，透過計算向量之間的餘弦距離來表徵兩張圖片的相似度；這種方式比較好理解，就是把相同尺寸的圖片RGB通道數值化，然後去計算每個畫素點位的三通道相似值，最後構建整體圖片的距離；

2）直方圖計算圖片的相似度：利用直方圖計算圖片的相似度時，是按照顏色的全域性分佈情況來看待的，無法對區域性的色彩進行分析，先吧兩張圖片如果轉化成為灰度圖，再計算其直方圖時差距，然後在計算圖片的相似度。

3）SSIM（結構相似度度量）計算圖片的相似度：SSIM取值範圍[0, 1]，值越大，表示影象失真越小。在實際應用中，可以利用滑動窗將影象分塊，令分塊總數為N，考慮到視窗形狀對分塊的影響，採用高斯加權計算每一視窗的均值、方差以及協方差，然後計算對應塊的結構相似度SSIM，最後將平均值作為兩影象的結構相似性度量，即平均結構相似性SSIM。

4）深度學習方法：《基於2-channel network的圖片相似度判別》、《影象檢索、深度感知測量方法》，其核心思想為深度特徵提取+特徵向量相似度計算；深度學習的方法更多是從圖片特徵語義進行解析，例如前景圖是否同為鋼筆/Nike鞋子，背景是否為純色/戶外，來理解兩幅圖片是否相似，而不是簡單的透過圖片的HSV或者RGB通道來判定，目前現在各家大廠都是用的深度學習方法來做相似圖判定，準確率相對來說會更高一點；

得到相似圖結果之後，策略產品需要與演算法協定並實驗【相似度閾值】實驗，可以看上述圖片中的Nike 熊貓dunk鞋子，右上角的圖2和左下角的圖3明顯就更為相似，那麼兩圖之間的相似值SSIM就更高一點，而圖2和圖4雖然也都是Nike dunk的鞋子，但是明顯不如圖3相似；因此相似度閾值門檻定在多高其實也就確定了平臺對於相似圖過濾的嚴苛程度，如果相似圖定的閾值比較低，就會有大量主體item被誤殺的風險，廣告eCPM排序的最終結果大量被過濾掉，帶來廣告收入整體的下降；所以閾值定在多少，定什麼合適是需要策略產品透過流量AB分桶的方式，確定廣告CPM、CTR以及廣告參競率、消耗cost等指標得來的結果，做到效果平衡；

2.3 同類目過濾策略

同類目過濾策略相對於同圖過濾策略就比較的簡單，屬於在重排序環節對商品資訊表進行內容讀取，其中包含商品一二三級類目的value值資訊，策略產品需要和演算法透過重排序過濾實驗，確認一個展示商品佇列同一三級類目最多展示數量，例如當同一個佇列中超出3個則過濾掉排序靠後的商品主體item，最終重排序結束展示到C端使用者面前。