當下處于信息爆炸的時代，快速幫助用戶從海量信息中找到其感興趣的內容，是很多產品需要考慮的問題。訓練機器算法進行推薦和運營編輯這兩件事不是二元對立，兩者可相互成就，經過運營編輯的推薦結果，可給用戶帶來更好的體驗，實現更快的轉化及更高的收益。
通過算法進行推薦時，如何通過規則配置干預推薦結果，是很多企業需要考慮的問題。達觀智能推薦基于上千家客戶的服務經驗，融合對不同行業場景的深度理解，沉淀了物品固定展示、封禁、多樣性等不同維度的運營規則，首次支持運營人員調控推薦結果，實現快速上線運營需求。下面將從不同維度介紹達觀智能推薦中的運營規則。
運營人員想要在推薦結果中強推一些物品，放在什么位置效果最好？如何實現快速調整物品及其位置，以達到更好的用戶體驗，越來越成為運營人員的剛需。達觀智能推薦基于這一需求，通過物品固定項展示，滿足運營人員干預推薦結果，實現自由推薦物品。
物品固定展示有以下幾個應用場景：
- 在物品數量較少時，經人工判斷，將某些質量較高的物品通過固定展示推薦給用戶，提升產品調性，吸引更多用戶群；
- 在物品數量較多時，若想擴大實時熱點新聞（如：總書記兩會關鍵詞：人民）的曝光量，可以通過固定展示強制推薦給用戶；
- 在新物品冷啟動階段，經運營判斷后的高質量物品通過固定展示規則強制曝光給用戶，積累反饋數據，快速度過冷啟動階段；
- 從變現的角度來看，可以實現將廣告內容插入推薦結果中，提升曝光促進轉化。
在小說、資訊、電商等文本內容較多的場景下，客戶可能對接多個內容管理平臺，對字段內容進行編輯后就會觸發一次新的上報，出現兩篇內容完全一致的物品，推薦的唯一標識卻不同，為了避免相同結果接連出現，達觀依靠領先的自研文本處理技術實現文本分詞，判斷文本內容的相似度，可過濾內容完全一致的物品，優化推薦結果。
基于長時間對上百家客戶的服務經驗，發現標題相似度過濾的應用場景還有很多，如：
- 信息總量過大時，用戶滑動速度往往很快，標題的相似度過高可能會造成不好的用戶體驗；
- 物品字段信息不全時，可能會影響內容去重或多樣性原則，可借助文本分析不同內容間的相似度，過濾掉相似度過高的內容。
因此將標題相似過濾整合進產品中，助力編輯運營等不同角色的人員可視化設置標題最大相似度，超過數值的內容將會被自動過濾，提升用戶體驗。
個性化智能推薦算法可以精確計算出用戶的偏好，用戶越喜歡什么越推什么，也就是我們常說的「馬太效應」。為了避免類似情況引入運營規則，在覆蓋用戶偏好的同時配置結果的多樣性，以便及時捕捉用戶偏好的變化。
適用物品多樣性配置的場景很常見，如：
- 資訊場景下，編輯人員可從作者、標簽、類別等不同維度對推薦結果進行打散，避免同一內容連續出現的情況；
- 電商場景下，運營人員可限制不同類目、標簽或發布者的多樣性粒度，實現推薦結果的多樣性；
- 理財場景下，業務經理可以通過設置不同內容的比例，控制結果中不同內容的數量。
除此外，達觀智能推薦還支持時效性控制、物品頻次設置、標簽規則匹配及自定義推薦集等。支持運營人員以無代碼的形式可視化多維度干預推薦結果，提升推薦系統的自主操作性的同時兼顧用戶體驗，全面提升訪問量、停留時長、新用戶數、企業收益等核心業務指標。
目前達觀智能推薦已經成功服務媒體、銀行、廣電、電商、金融、視頻、社交等多個行業，涵蓋陜西廣電、浙江廣電、江蘇廣電、深圳廣電、東莞廣電、招商銀行、浦發銀行、民生銀行、江蘇銀行、寧波銀行、浙江農信、中國移動、長虹、安利、人民網、四川日報、廣而告之、澎湃、虎撲識貨、英語趣配音、Wifi萬能鑰匙等近百家各行業龍頭企業。
