推荐评测
活动时间:2018年1月9日 斗鱼直播分享 活动介绍:TMQ在线沙龙第三十八期分享
本次分享的主题:推荐测试。
共有65位测试小伙伴报名参加活动。
想知道活动分享了啥吗?
请往下看吧!
嘉宾
赵田:腾讯手机QQ浏览器测试团队,高级工程师,主要负责后台内容层的测试。 擅长搭建测试平台,数据层的测试和分析。
分享主题
推荐评测测试思路
本次分享,嘉宾给我们介绍了以下内容:
问答环节
1、相同类型的文章怎么测试它们的热度,再推荐给用户? 答:(1)首先看这个相同类型是不是同一件事情,如果是同一件事情的文章,那可以根据来源的权威性来推荐; 如果来源权威性也差不多,还拿不定主意,可以做个ABtest,先发50w用户,看看CTR,再决定发哪一篇; (2)如果不是同一件事情的文章,那就无所谓,都放到文章的池子里面。 2、用户多标签情况下,推送的优先级送达怎么评测? 答:我理解你的意思是:比如用户有好几个兴趣点,那现在用户来拉一刷新闻,应该怎么下发新闻。 可以根据用户兴趣点的权重来进行推送,虽然有多个兴趣点,但是每个兴趣点的权重不一样,可以根据权重来推送; 可以根据文章的热度(在你看这篇文章之前,其实有很多其他用户已经看过了,那这个时候就有点击率,点击率越高热度相对也就越高),那我们可以根据这个热度来推送给用户; 可以根据文章质量排序推送。 3、能谈下推荐系统一般测试周期多长?
答:这个不好说,不单是看测试,要看整个项目组是否给力,各个小组的人配合,如果要做一个成熟的推荐系统,至少2年以上吧。 测试同学可以根据项目组的痛点进行有针对性的测试,帮助项目改进。 4、这套推荐评测系统,除了资讯评测,还有应用到其他评测上吗?好移植吗? 答:其实推荐的思路都是差不多,推荐算法也都是开源的,基本上都是围绕人的profile、内容的质量和分类、推荐算法以及环境特征、UI来展开的。 你可以根据你自己的场景(商品、app、音乐、电影、资讯)来具体定制你的测试策略。