新条目没有行为数据怎么推荐：目录站相似站点的三档退让

基于共现的推荐效果最好，但它需要一个前提：这个条目被足够多的人看过、点击过。刚入库的条目一条行为数据都没有，算法算出来的相似列表是空的。

解决办法不是换算法，而是准备几层兜底，按数据充足程度依次退让。

图片来源：网络，版权归原作者所有，侵权请联系删除

三档退让

档位	触发条件	用什么算	预期效果
第一档	累计行为超过阈值	共现（看过 A 的人也看过 B）	最好，但覆盖率低
第二档	有少量行为或零行为	内容相似：类目 + 标签 + 简介文本	中等，主要靠标签质量
第三档	内容相似也凑不满	同类目热门 + 近期新增	兜底，别指望个性化

阈值怎么定没有标准答案，看你的条目多久能积累起有效行为。流量小的垂直站可能永远到不了第一档，那就老实用第二档；主站条目一天几十次点击，一两周就够。

第二档是主力，把标签做好

对大多数目录站来说，第二档承担了绝大部分推荐。它算的是：同一级分类下、标签重合度高、且简介文本有一定相似度。

文本相似这里有个前提——先做归一化。去掉营销词、统一繁简、去掉品牌名后面的修饰语，否则「最好用的设计工具」和「最好用的设计软件」会被判成毫不相关，而两个都堆了热词的条目会被判成高度相似。

相似度阈值可以设在 0.8 左右，超过就认为是同一个条目的变体，直接打回不入库，而不是推荐给用户。

三个高频坑

坑一：第三档用全站热门。新条目被推到全站热门里，点击又回到热门条目身上，形成马太效应——越热越热，新的永远起不来。第三档必须限定在同类目内，实在不够再往上放一层。

坑二：标签质量差导致第二档形同虚设。如果全站有八千个标签、其中六千个只用过一次，内容相似就退化成了「同类目随机」。标签体系要有准入和归并规则，长尾标签要么合并要么作废。

坑三：凑不满时硬凑。为了填满六个位置，把相似度只有 0.3 的条目放进去。用户点一次发现不相关，这个模块就废了。规则应该是：凑不够最低数量（比如四条）就把整块隐藏，宁可少一块。

展示端的三条规则

第一，数量控制在 6 到 12 个之间。太少显得空，太多等于没有筛选。移动端可以减到 4 到 6 个。

第二，推荐模块必须用服务端渲染的真实 a 标签。用 JS 动态拼 href 的做法，爬虫不一定能看到，而且这段内容本来就是给爬虫发现深层条目的重要通道。

第三，锚文本用站点名称，不要用「点击查看」「详情」这类通用词。既影响内链锚文本的质量，也影响用户扫读的效率。

怎么判断退让策略有没有效

看两个指标，分开统计。

一是覆盖度：全站有多少比例的条目能拿到满额推荐。低于七成说明第二档没做好，问题大概率在标签体系，不在算法。

二是分档点击率：把条目的推荐模块点击率按它当时所处的档位分开统计。如果第三档的点击率和第一档差不多，说明前两档没有产生实际增益，这时候值得重新审视相似度权重；如果差距过大（比如第一档是第三档的三倍以上），说明行为数据的量还没起来，继续等。

还有个容易被忽略的验证：人工抽样看一百条新条目的推荐结果，凭常识判断「这几个站放在一起合不合理」。算法指标好看但结果荒谬的情况并不少见，尤其是在标签脏的站点上。

退场条件

一件反直觉的事：不是所有条目都需要推荐模块。某些条目对应的是一个非常窄的品类，全站同类目就它一个，这时候内容相似算出来必然是空，直接走第三档或者隐藏该模块都是合理选择。

强行给这类条目找「相似」，推荐出来的东西只会拉低整站推荐模块的可信度。