通过负反馈功能提升终端用户推荐精准度

在用户与推荐系统互动的过程中，有可能出现不符用户预期的推荐结果，有可能是多样性策略触达的不符预期、人生阶段变化导致的兴趣变动，也有可能是一些话题/图片使得用户感到不适。

而负反馈功能即可提供一个推荐系统与终端用户互动的窗口，结合终端用户的负面兴趣反馈，从而提升推荐的在个人体感的个性化程度。

目前智能推荐提供的负反馈功能支持如下三个维度：

1、针对单个物品拉黑

举例：在小红的推荐结果中，出现了某个物料（商品/内容/新闻），小红不喜欢当前的物料，或者因为物料的一些配图、文字而引起不适，此时我们需要帮助小红拉黑此物料，保证在后续的推荐结果中不再出现。

效果：我们将针对这个物品对小红拉黑，即小红永远都不会看到此物料。

需要进行的操作：具备负反馈行为的埋点，并且按照规范上报行为数据。

注：如果您的负反馈选择项较多，需要您根据影响面在1、2、3三种维度中进行映射。

拉黑上报数据规范如下：

注：行为数据的具体构成规范请参考行业内的数据规范。

2、针对物品某种特征不喜欢

举例：在小红的推荐结果中，出现了3ce的双色修容盒，小红不喜欢这类物品，对此物品点了屏蔽：高光。

效果：我们将针对这类物品对小红拉黑，即小红不会看到”高光”类的物品。

需要进行的操作：具备负反馈行为的埋点，并且按照规范上报行为数据。并在商品表中的对应的特征准确填写。

上报数据规范如下：

bhv_value中的key取值枚举：

3、针对与该物品相似相关物品的不喜欢

举例：在小红的推荐结果中，出现了3ce的双色修容盒，小红不喜欢和此物品相似的，点了不再推荐相似的物品。

效果：我们将针对此物品相似的物品对小红拉黑，即小红不会看到和此物品相似的物品。

需要进行的操作：具备负反馈行为的埋点，并且按照规范上报行为数据。

上报数据规范如下：