梁汝波：今日头条在消息推送逻辑详解

这篇文章是来自 2014年6月15日 今日头条的梁汝波在一次分享会上讲解的。

欢迎各位！我是今日头条的梁汝波。首先简单介绍一下今日头条。今日头条是一个资讯APP，是根据用户兴趣给用户推荐感兴趣的内容，用户用得时间越长，我们对用户兴趣了解也就越多，推荐也就更准确。对于内容创作者而言，我们是一个内容分发平台，帮助他们将好的内容更好地到达合适的用户。今日头条现在用户超过1.2亿，DAU超过1300万。

下面谈谈推送。推送有两个特点，一个是“异步”，可以在用户没有使用APP的时候，将消息推送给他，所以可以作为用户召回的一种手段；另一个是“快”且“实时”，因此它也是提高用户活跃度的一种方式。

对于资讯产品而言，非常重要的一点是推送的信息要对用户有用，另一点是及时，当出现重大的新闻资讯的时候，能够非常及时的到达用户。我后面会讲一下今日头条是如何实践这两点的。

推送对今日头条的效果，召回方面大概有20%的用户影响DAU。如果要让推送更好的提升用户活跃度，就需要关注一些指标。我们关注的指标第一个是点击率，这个有关用户体验，一条消息如果点击率越高，越是用户需要的，如果点击率较低，说明消息对更多用户是打扰。其实点击率还不是特别准确，最准确的应该是召回率，因为用户不一定是通过点击进入APP的。如果做得更精细一点，你可以查看消息推送以后的15-30分钟之内阅读的用户，这是通过召回获取到的。另外是点击量，点击量是跟推送频率和范围相关的，这是我们真正对产品而言，对用户活跃度，我们到底有多大的影响。另外我们要关心的是卸载和推送禁用量，如果你频繁推送用户，这也是提示用户卸载不错的方式。

我们推送的内容主要是突发、热点资讯，除此之外还有少部分结合产品功能的内容，比如你的评论被回复，你有好友要加入等等。推送方面我们一定不能过犹不及，一定要控制好频率，不能让推送打扰到用户。

我们在早期打算做推送的时候，做了一些调研，有些用户反馈说我们推得太多，也有一些用户反馈说我们推得太少，我们发现这其实是重口难调的事情，所以我们一直在做个性化推送，这方便我们比较拿手。

在个性化推送方面，我们作了一些尝试，一个是频率个性化。我们统计发现，对于不同的人，他们在点击率上是有明显差别的，而同一个人在一天中的不同时段点击也有差别，所以我们将时间作为一个维度，人作为一个维度，除此之外，我们将内容也作为一个维度，我们会统计在每个维度上每个人的接收频率，对于接收度高的用户，我们会推送的比较频繁，这样就可以把推送做得更好一些。

另外是内容个性化，内容个性化主要有两个方面，一个是基于地域，在地域方面我们做得比较深入，不仅仅是当前的提示，更重要的是用户关心什么事情，比如对于我来说，我还关心我老家的内容；另一个是信息，也就是对你感兴趣的内容和时效性的内容，这些方面用户有强烈需求。

下面我举几个个性化例子，这个是按城市推送的例子。宜春的一个高三的学生和歹徒搏斗，夺刀受伤了，因此未能参加高考，这个事情发生的时间是5月31日，我是6月1日11点左右收到这个推送的，这条信息只推给了宜春的人，像这样的新闻，很好地满足了我刚才说的两个条件：第一个，我对它感兴趣，因为这是我老家一个镇的，非常亲切；第二个，它很好地满足了我对这个新闻实时性的要求，可能连我妈在家都不知道这个消息的时候，我已经知道了，我后来去百度新闻查了一下，最早的一篇是6月2日，也就是说，比我们推送还晚一点。这个新闻后来比较火，因为有比较多的后续，比如专门安排他单独考试，有学校希望保送，包括出国，这个是后续的新闻了，当然那个已经是在7、8、9号开始，到11、12号才到高峰，可是我是提前十天就了解这个消息了。

另外是一个基于兴趣推送的例子，6月11日UC并入阿里这条新闻，我们当时是个性化推送给互联网人群的，这个事情推送给我妈是没有任何意义的，因为她不关心。从这些例子来看，推送是你要在满足用户需求和防止打扰用户之间取得平衡的事情。

下面是我们所做的一些工具，一个系统的结构，最上面是用户，用户如果要接收到消息，那我们跟用户之间就要有一个推送通道，在通道之前我们要有一个推送的逻辑层，逻辑层会实现频率控制、个性化的逻辑。因为通道这一层，iOS和安卓是不一样的，iOS苹果已经提供了，安卓就需要用其它方式，但逻辑层是通用的。还有是我们的运营人员所依赖的工具，因为我们最终是从运营人员到达用户的。如果从时间线来说，事件发生后，我们要求用最短时间推送给用户，我们的消息到达用户的时间在几分钟之内，不管我们用户量有多少，希望都要这么快。

我们所用的一些工具，第一个是通道，因为我们的工具是分层的，所以每一块都要非常快，但也要可控，特别是在我们早期，服务器采购跟不上用户增长速度，如果做大量推送，召回大量用户，就容易影响服务的稳定性。因为通道有各种方式，推送也有各种方式，长连接的方式是可以做到足够快的，但是在可靠性上要做一些考虑。另外，不能只让在线用户收到消息，离线用户也需要收到，所以必须有离线消息，但离线消息要尽量避免用户一打开手机，消息全拥过来的情况。另外你需要在长连接网络不稳定的情况下实现可靠的推送消息，消息要避免重复，不能让用户看到两条重复性的消息。

另外一方面就是要节省资源，从用户角度，要节省流量，节省电量，而对于我们而言，是要节省带宽，所以通道这边还要做一个可扩展，不管是一千万用户还是一亿用户，我们都要保证这个速度。

在推送逻辑这一层，还是要快！怎么把人群选出来，这个也是要非常快。策略支持就是说我们要支持灵活的策略，我们要能够方便的把各种策略扩展或者插拔，我要支持一些个性推送的维度，比如跟机型、跟操作相关的，我们的策略要做出一些扩展或者可插拔的。因为推送是异步的事情，对用户的影响也非常大，我们要对这个系统非常可控，因为我们这个系统整个推送做到后面是很复杂的，会有很多逻辑，比如个性化频率推送，有人能收到，有人收不到，我可能在这个时间段收到这个内容。而且消息推送最好是可跟踪的，也就是我们做troubleshooting的时候，可以还原当时推送的情况，比如说我是哪种策略，有没有推出去，没有推出去是什么原因等等。另外我们很多地方都要用到我们系统推送的接口，接口方便使用也很重要。

然后是我们的运营平台，运营平台也是要快。当有新的热点新闻、突发新闻的时候，要非常快速地把它抓到，要能够识别出它的时效性，很快识别出它的热度，把它放到可推送的侯选列表里面，我们要能够自动建立它跟人群的关系，我们不能让人来判断这条消息应该推送到互联网人群，这件事情机器是可以做出来的。我们会提供非常方面的操作工具，比如我们有一个页面，三五秒钟刷新一次，当有可推送的新的侯选者出来以后，它后面要做的事情就非常简单了，比如第一是不是要推送，第二是文案可以优化一下，我们运营的同事，只要区别一下是否要优化，不要优化点推送就可以了。

下面讲一下运营分析。我们有一些指标，并且需要不断优化这些指标，有些是技术、工具上可做的，有些是运营本身的办法，比如说是高大上的，还是更吸引眼球的，这时候就需要我们提供一些运营的工具，我们现在有完整的数据后台，可以看到我们的推送时间、推送人群，有多少用户点击，点击率怎么样。资讯后台应该是全面的，历史上所有推送都是有记录的。第二，我们还可以提供一些非常细致的分析，从中可以得出一些结论，比如文案很重要；把“图”放上去，可能推送点击率更高；安卓用户的点击率是早上高，晚上低，但iOS用户正好相反。

还有是A/B Test的测试，把人群区分开推送才有意义，通过测试的结果，可以更好的让运营同事优化运营策略。

最后说一下我们做的这些决策上的成本考虑，我们服务端主要是考虑带宽，因为我们IDC是按照带宽收费的，如果到了一个量，就按峰值带宽收费，因为推送会非常强的拉动整个IDC流量，所以我们把推送系统部署到云端上面，云端是按照流量收费，而不是按照带宽收费。

我要分享的内容就是这些，谢谢大家！

提问：一个新的用户，需要通过多长时间对用户行为的轨迹分析，才能判断出他的兴趣，从而推送出他所感兴趣的内容，也就是个性化的问题。

梁汝波：个性化是有程度的，对不同用户也不一样。如果你授权给我们的话，我们会非常快的判断出来，在第一次请求、第二次请求时就能够获取到。比如按地域推送，我们第一次用的时候就可以用上。还有一些人际关系，比如你授权了，我们可以知道你关注了谁，谁关注了你，或者你发布了什么微博，也可以分析出你的兴趣。另外与时间相关的，其实只有用户的历史行为，我们现在用户历史行为可以是准实时的，就是这次的行为在下一次请求中就能够体现出它的效果。但是因为这不是离散的关系，是连续的，我们对你的信息探索了解，可能不能基于一两次的行为，是基于历史的持续过程，城市的获取是实时的。

提问：您大概会通过多长时间可以非常精准锁定到用户所感兴趣的内容。

梁汝波：如果你的微博帐号可以很好地反馈你的信息的话，你授权我们就可以知道了，我们可以了解你的信息是有一些途径的，这些途径我们能否到达, 以及质量的高低，都有关系。

提问：您刚刚说到推送个性化方面，可以根据频率的个性化，今日头条有针对用户活跃度或者行为，对用户分层次进行不同的推送吗？你能举一两个例子吗？

梁汝波：因为对于推送受众比较多的用户，他点得多我们就推得多，点得少我们就推得少。频率在时间上是有分布的，比如你早上喜欢一点，另外一个人可能晚上喜欢这一点，那我们推送给你的可能就是早上，对于晚上点击率更高的，就晚上推送概率更高，是否推送是动态值，会有一个概率的判断。

提问：你刚才举例举了一个宜春的新闻，但是这个新闻第一时间你们拿到这个新闻之后，你怎么判定它是重要还是不重要的？比如你关心宜春，宜春有一个地方开了一家饭馆，这个重要程度怎么判断？

梁汝波：这个事情我没法在这里解释清楚，因为这是比较复杂的过程，我们公司最擅长的就是判断新闻的热度、质量以及它的一些特征。当一个新闻出来的时候，我们有很多方法去判断它，首先它是不是具有时效性的，第二它是不是热门的。我们现在做的工作，因为对于推荐而言，对准确性是有要求的，对于推送而言，我们有运营人员把关要不要推，我们的推送并不是全自动的，在技术上也会帮助运营人员做判断，比如它的热门程度、时效性，以及哪些用户可能对它感兴趣。