消息推荐数据增长

做一件事情我们应该有个目标，一是业务数据指标有提升、一是技术有提升，有了目标才能更好分解事情，按照步骤去做。

数据指标提升，需要分析什么样用户对消息感兴趣，给这种用户推荐消息是比较合适的。再有需要分析用户对什么样消息感兴趣，最近喜好？这个总体上是依赖于对用户分析。

数据指标提升，也依赖于基础数据构建，比如用户画像准确性，召回分类准确性，召回素材准确性。这个需要数据构建体系是正确的，产出数据是正确的。

数据指标提升，也依赖于线上推荐引擎。线上整个推荐合理性，准确性决定着最终是否按规划逻辑执行。这需要注意细节，比如说用户浏览或者搜索词召回这种是否有实际召回到系统中，以及是否推荐出。这种需要详细看一些素材召回以及实际返回情况。

技术沉淀，引入深度学习技术，这样从机器学习到深度学习过度，框架沉淀可以用于其他消息推荐。

技术实现方式，实现数据增长目的，也要引入策略推荐到框架中，这样实现策略、机器学习推荐、深度学习推荐多个技术并存，使用各个技术长处、避免短处。

数据指标提升可以借鉴互联网，对于消息业务以及其他类似业务数据增长点，将方式引入现有系统，再有就是借鉴内部其他业务数据增长方式，将合适的引入到消息推荐中，通过技术方式以及业务方式结合，最终应该是可以提升数据以及沉淀深度学习技术以及框架。让参与小伙伴技术有提升，有收获有成长。

消息推荐架构，分成两个大的模块，一个是消息准备阶段：分成消息选取以及消息信息填充，另一个大的模块是消息发送平台：完成将消息发送到用户手机，消息本身还包括离线和实时消息，这些都会影响数据分析，需要对整个架构有相应认知，因为消息可能因为某个手机品牌离线消息技术不行造成消息丢失，从而影响数据分析。