本文通过新闻行业举例说明，智能推荐适合什么样的场景，需要怎么样的埋点数据进行模型训练。
使用业务场景
以智能推荐的猜你喜欢、新闻行业为例，适用于首页的feed流推荐，以优化用户的点击率为主。如下图所示：
目的为通过终端用户的浏览行为，引导终端用户点击阅读feed流中推荐的内容，并在浏览深度，停留时长等相关指标有一定的促进。
训练数据
内容表
是需要向终端用户推荐的具体的内容，购买了AIRec的企业客户需要将所有需要推荐的内容，上传到内容表中。智能推荐通过模型训练，返回给每一个具体终端用户最合适的item内容。我们建议您提供有效内容的数据，这样能尽量避免无效数据而形成的影响，这对推荐效果的提升，有显著的帮助。
用户表
需要将阅读新闻的每一个终端用户相关信息，上传到用户表中，智能推荐会训练不同终端用户的喜好行为，为其推荐出最感兴趣的内容。
行为表
需要将终端用户产生的行为数据，上传到behavior表中，这部分内容是智能推荐训练模型的核心要素，脏数据会严重影响模型训练结果。行为数据如下图举例所示：
step1：打开频道
step2：点击itemC，进入详情页
用户进行了如上操作后，产生了4条推荐相关的行为：对3条item的曝光行为，对itemA的点击行为。需要将此4条行为分别记录，并按要求上传到智能推荐系统中。
埋点数据
曝光行为埋点
什么是曝光行为
曝光对应的是行为（behavior）表的bhv_type字段，是上传用户行为的一种类型。一条数据展示给用户一次，就算做一条曝光行为。
如何埋点
曝光行为主要在客户端进行埋点，举例如下：
如上图，用户浏览首页，产生了对itemA、itemB和itemC的曝光行为，需要埋点加以记录。
埋点注意事项
一条数据定位曝光行为，需要满足以下3个要素：
需要是在客户端有展示透出的行为（也就是用户可以直观的看到）；
需要有一定的停留时长（比如1s）；
短时间内对同一个用户的反复曝光，不应累积，只算1次。
埋点反例
1、对于用户在客户端首页的上下滑动，不应累积曝光。—- 不满足上述的第3条要素，如下图
页面下滑后：
之后用户再次上滑：
此时，所有的item（A-F）都应该分别只算做1次曝光行为（尤其是A-D，只算1次）。也就是说，只需要传给智能推荐系统6条曝光行为数据（每条数据对应1个item）。
2、对于用户从feed流点击进入详情页，再返回feed流首页，也不应累积曝光。—-不满足第3条要素。
如：
用户点击
之后返回上图1feed流。
此时，item（A-C）分别只产生了1次曝光（其中C还产生了一次点击）。需要传给智能推荐4条行为数据（A，B，C的曝光 + C的点击）
点击行为埋点
什么是点击行为
点击行为相对比较好理解，只要用户对某一个item点击阅读详情，均算作一次点击。
如何埋点
点击行为主要在客户端进行埋点，举例如下：
在feed流页面，点击C内容
进入详情页：
如上行为，用户对itemA的阅读，算是对itemA的一次点击行为。
埋点注意事项
一条数据定位点击行为，需要满足以下3个要素：
1、需要在客户端，用户产生有效的点击行为。
2、点击行为对点击后阅读时长不做限制。
3、短时间内同一用户的多次点击，不应累积，只算1次。
场景ID埋点
什么是场景
场景对应的是内容（item）表和行为（behavior）表中scene_id字段，是指数据投放的不同场景，可以理解成是对数据的一个分类。
如何埋点
场景的埋点内容（item）主要在客户的服务器端对item进行分类，行为（behavior）主要在客户端对指定投放场景的记录。举例如下：
如上图，假设有“思想”、“生活”、“体育”3个场景接入了推荐系统，我们分别定义三个场景的ID为1，2，3（可自定义）。则所有在对应场景下产生的行为以及数据，均需要埋点记录对应的scene_id，并回传到智能推荐系统中，数据区别大致如下。
item表数据为
A:
item_id:itemA, scene_id:2
B:
item_id: itemB, scene_id:2
C:
item_id: itemC, scene_id:2
behavior表数据为
type:expose,scene_id:2,item_id: itemA
type:expose,scene_id:2,item_id: itemB
type:expose,scene_id:2,item_id: itemC
埋点注意事项
场景ID只是用来区分item（内容）所投放到前端的产品场景，理论上只要能明确的区分不同场景即可，不体现场景的父子关系。如：体育频道下可能您会有最新比分、赛事预告、赛事点评等，针对这种情况，我们不建议使用场景ID区分，可以使用下文提到的类目进行划分。
如何使用
在通过服务端SDK获取推荐结果时，需要带上对应的scene_id，展示对应的场景下的结果。对于有些用户会有首页的推荐需求：
1、首页没有自己的item数据。
2、希望首页展示的是多个场景下聚合的item数据。如下图中每个tag页为一个不同场景：
总结来说：召回用什么场景ID，回传行为的时候就回传什么ID
TAGS埋点
什么是tags
TAGS对应的是user表和item表中的tags字段，是指您对内容（item）提炼的特征的文本描述，多个tags之间直接以英文逗号分隔。
如何埋点
tags的埋点主要在服务器端或者人工运营，算法团队，对内容（item）进行的提炼，举例如下：
如上图，可以对该item提炼出：SUV，丰田，汉兰达等相关tag，并以英文逗号分隔方式，传入item表中。
类目层级埋点
什么是类目层级
类目层级对应的是内容（item）表中的category_path和category_level字段，主要作用是对相同主题和属性的内容（item）进行归类，在通过实例运营策略提升推荐结果多样性（见下文解释）中会使用到。
如何埋点
类目层级的埋点主要在服务器端，对内容（item）进行归类，举例如下：
（仅对关键字段举例）
item_id | category_path（类目分类） | category_level |
A | 足球_中超 | 2 |
B | 篮球_CBA | 2 |
C | 足球_恒大 | 2 |
对相关场景下的分类后，对应item的埋点数据填写如上所示。
失效时间埋点
什么是失效时间
失效时间对应的是内容（item）表中的expire_time字段，用来定义本条数据的过期时间。当服务器的时间大于该值时，本条数据将强制不被推荐。
如何埋点
失效时间的埋点主要在服务器端，按某一系统规则自动或者由人工设置。
埋点注意事项
1、如果本条内容（item）没有失效时间，则上传的对应字段置为空即可；
2、失效时间需要以时间戳方式提供，单位为秒（s）；
3、如果第一次上传的所有数据均过期，服务无法启动。
STATUS埋点
什么是status
status对应的是内容（item）表中的status字段，用来定义本条数据是否可推荐（0：不可推荐，1：可推荐）。
如何埋点
status的埋点主要在服务器端，按某一系统规则自动或者由人工设置。
埋点注意事项
1、内容（item）表中的status字段为必填项，无法置为空；
2、第一次上传数据时，如果全部内容（item）的status埋点数据为0，则服务无法启动。
相关概念
feed流：是一种给用户持续提供内容的数据形式。
浏览深度：在一个计算周期内，每个访问次数给统计对象所带来的页面浏览量和均值。
停留时长：用户在某一个页面停留的时间。
打散：一次推荐查询中，返回的推荐结果包含多类目数据。