QQ 音乐推荐系统的精细化调控

导读： 大家好，我是来自QQ音乐数据科学团队的Bill，接下来由我给大家分享QQ音乐在内容理解和精细化运营方面的一些实践和经验，副标题是推荐系统的精细化调控，相比于前面分享的一些硬核的算法模型和系统架构，我这里更多会介绍一些更显性的、更具可解释性的一些数据驱动方法在内容精细化运营场景的应用。
本文主要分为5部分：第1部分会介绍业务背景、总体解决方案和收益，第2~4部分分别介绍内容理解、运营中台、投放系统的具体实现方案，最后做一个简单的总结和展望。
01
背景与方案

QQ音乐作为一个以PGC内容为主的一款产品，编辑运营的内容占据了用户消费的很大一块流量，运营的诉求是多种多样的：比如新歌运营，重点流派运营（像国风、说唱、韩流等），以及综艺影视歌曲、热点事件或热点歌曲艺人、重点节日或活动的运营等等。
一方面，我们传统的运营手段是通过左边这张图中的 音乐馆 tab 里面的各个入口进行人工配置的，它存在的问题是：
比较依赖人工，甚至有时候需要7*24小时处理；入口众多且比较分散，基本无法联动；运营的标准差异较大，缺乏数据反馈；能够展示的内

QQ 音乐推荐系统的精细化调控最先出现在Python成神之路。