Facebook是怎么衡量自己推荐和排序的质量的?

在Facebook工作时负责新鲜事(Newsfeed)的个性化推荐与排序，我可以说说Facebook是怎么衡量自己推荐和排序的质量的。

在具体执行层面，主要有三个方式，分别是从机器学习模型，产品数据，和用户调查上来考核推荐引擎的效果。

1. 机器学习模型

推荐引擎的一大核心就是机器学习（不过现在都说人工智能了，但本质上还是supervised learning）。如果是想考察机器学习模型的质量，学术上早就有一套成熟的实践方法。无论是模型的选择（比如从decision tree替换成neural network），还是迭代改进（比如模型训练时多用一倍的数据），都可以使用基于supervised learning的衡量办法。最常见的就是AUC。

另一方面，对于某一类特定问题也有更细致的指标。比如说，可以通过模型特征的重要性(feature importance)知道新加的特征是不是有用。

2. 产品数据

再牛逼的机器学习模型都要经历产品数据的实际检验。这方面大家就都比较熟悉了，KPI嘛。不过在Facebook特别是Newsfeed这种牵一发动全身的地方，我们会追踪一系列数据来描述产品，而不是依赖某一个单一标准。这些数据包括但不限于：

• 日/月活跃用户（DAU，MAU）

• 用户互动 （点赞，评论，转发等）

• 用户发帖量

• 用户停留时间和消耗的内容量

• 收入

• 用户互动率（比如看过的内容中点赞/评论/长阅读/收藏的比例）
  

• 用户举报和屏蔽的数量

而且，在日常的快速迭代和A/B测试中，只有这些笼统的数据是不够的，我们还需要些更细致的数据来真正理解我们的一些改动。比如说：

• 内容类型的分布是怎么变动的：用户原创和转发的比重分布，网页链接和图片视频的比重分布，长视频和短视频的比重分布等等

• 对公众账号是怎么影响的：什么样的公众号会受益于这次改动

• 哪些第三方巨头受到了影响，影响是否合理：比如我最早在FB实习时候的项目是整顿SPAM账号，那个改动重创了Zynga（因为Zynga严重依赖用户骚扰他的好友来吸量），但大家觉得挺合理的，让公关去沟通了下就发布了。

另外，为了防止短暂的眼球效应，对每一个重要的产品决策，我们都会维护一个长期的backtest，用来评估这个决策的长久影响。比如说：

• 对于在feed里面放广告这个决定，我们会选择一小部分用户，对他们长期不显示广告，然后将他们的用户活跃度同正常能看到广告的用户做对比，来衡量广告的长期影响。
  

• 类似的，对于Newsfeed是否排序，我们也有一个holdout group，他们的feed是完全按时间排的。

这样，对每一个可能会有争议的决策，但未来的每个时间点，我们都能清楚的知道，我们是面临着怎样的取舍。有了这层保障，在决策的当下，我们也就敢于冒险些，走得更快些。

3. 用户调查

大多数产品数据有其局限性，因为他们是显性而被动的。比如说，你给用户推送了一个博眼球的低俗内容，用户在当下可能是会去点开看的，所以数据上是好的。但用户可能心里对这个内容的评价是低的，连带着对作为内容平台的产品也会看轻，长此以往对产品的伤害是巨大的。

KPI无法完全描述产品质量，在硅谷互联网圈是有共识的，但如何解决，每个公司答案都不同。Twitter系的CEO们，无论是Jack Dorsey还是Evan Williams，都倾向于轻视KPI而依赖自己主观想法来决策。Google和Facebook，则采取了另一条路，他们决定把用户评价纳入到KPI中。

Google在这方面的工作开始得比较早，因此公开的资料也比较多。概括地说，他们雇佣大量的普通人，以用户的角度来对Google搜索排序的质量和广告推荐的质量做主观打分。当打分的量大到一定程度，这些数据就足以成为一个稳定有效的，且可持续追踪并改进的KPI了。Facebook虽然产品领域有所不同，但在个性化推荐上也采取了类似的方法。

回答的最后，还是想重申两个方法论：

• 永远不能依靠单一一个KPI来评价产品上的工作。任何KPI，任何产品，都不能。

• 在明确KPI局限性的前提下，数字可以终结大多数无意义的扯皮，无论是技术上的，还是政治上的。