背景
为促进经营网站、应用的健康发展、持续创造增量营收，企业在各媒体平台进行广告投放、吸引用户，并通过产品体验、运营活动等推动新用户转化为平台的忠实用户、付费用户等。但由于新用户信息不足、缺少在站内的丰富行为，极易在未完成产品体验即卸载、流失，导致整体新用户留存率较低，既间接导致获客成本的上涨、也影响了增量收入的提升。
AIRec冷启动版在此背景下推出，欢迎参与测试。AIRec冷启动版通过应用三方数据补充（此处已支持基于友盟服务的匿名化Embedding数据，若企业已采买其他数据源欢迎洽谈），并结合用户行为、自有特征等，训练行业冷启动模型，生成对每一个新用户的个性化展示建议，并支持结合新用户实时行为进一步更新推荐，促进新用户参与互动、完成核心留存事件的触发。
常用场景
建议结合企业的产品形态、互动玩法、核心留存事件等，确认新用户访问链路，并对链路中涉及的页面、场景应用AIRec算法，以下为电商行业常见场景举例：
1、首页推荐：根据用户兴趣生成推荐结果，并结合实时行为刷新推荐，促进行为互动与下第一单操作。
2、新人活动页：搭配新人权益（优惠券、免费试用等），结合选品要求，对商品进行个性化排序展示。
3、APP Push+短信：为新用户甄选不同的推荐文案，搭配商品、活动、话题运营等吸引用户来访APP。
除上述场景外，仍包括内容付费、站内广告排序优化、弹窗推荐等可结合APP具体业务逻辑接入。
如何使用
您可以通过如下步骤进行使用，具体如何操作可以参考最佳实践：快速启动AIRec冷启动版
步骤 | 说明 | 参考文档 |
1 | 历史数据准备 圈选20活跃用户，上传过去6个月行为数据 以及自有用户特征，关联的物品特征 | 数据规范：冷启动版数据规范 启动方法：快速启动AIRec冷启动版 |
2 | 新用户数据准备 新用户的唯一标记，实时行为上传 | 数据规范：冷启动版数据规范 推送方法：推送数据 |
3 | 配置业务逻辑 新用户口径设置、访问场景设置以及归因配置 | 新用户口径与场景设置：访问配置 归因配置：归因配置 |
4 | 服务调试与上线 启动训练&推理 指定item候选集查看在线打分结果、渲染UI页面 | 启动训练&推理：训练管理 在线测试服务：服务调试 SDK获取结果：获取推荐结果（冷启动版） |
5 | 效果评估 分析新用户访问体验、关键事件达成率、留存等 | 在线测试服务：服务调试 指标效果评估：效果评估 |
产品接入流程总览大致如下，您可以根据该流程合理分配时间和团队精力：
示例参考
某电商平台，使用推荐的场景为：平台通过首页推荐的方式引导新用户下第一单，希望通过算法提高新用户GMV。
平台业务设定：
1、30天内没有行为的用户均判定为新用户，需补充Embedding特征进行模型训练。
2、由于页面板块比较复杂，通过投放场景字段（scene_id）与展示模块（module_id）字段判定是否为冷启动场景，设置为scene_id=newstart且module_id=1的为冷启动场景。
3、最为关注的指标为新用户人均GMV。
由于该电商平台对购买事件（buy）比较关注、同时存在曝光事件（expose）埋点批量上传有时间延迟的问题，因此设置归因逻辑为：
按照最近7天内时间判定（选择最近时间的归因方式避免曝光延时回传导致的问题），将购买事件（buy）、加购事件（cart）、收藏（collect）事件归因到点击事件（click），并将购买事件（buy）归因到加购（cart）、收藏（collect）事件中。
由于没有其他的业务干预逻辑，所以直接将精选的item候选集与用户唯一标记上传，调用实时推荐接口，严格按照AIRec的排序分以及item_id，由高到低进行UI展示。并同时采集新用户的实时行为，秒级回传到AIRec实例中，用于进一步提升该用户后续推荐体验。
最终经过以上操作使用AIRec产品提升了新用户体验与相关指标。