如何对视频进行排名这一块的数学原理非常复杂。论文既没有详述排名过滤器所用的数百项因素，又没有提及他们是如何加权的。但它列举了其中的三大主要因素：浏览记录、搜索记录、观看人数，以及包括新鲜程度在内的其他视频元素。查看全文>>
论文作者是Google的软件工程师 Jay Adams 与高级软件工程师 Paul Covington、Embre Sargin，他们向业界展示了YouTube在机器学习推荐算法上的深度神经网络使用情况。该论文涉及到一些非常技术、非常高级的细节，但它最大的意义是为我们完整描绘了YouTube推荐算法的工作原理！！该论文细致、审慎地描述了YouTube检索、筛选并推荐视频时的大量细节。查看全文>>
产品进入成熟期了，用户体量到达一定量的时候，一定会面临一个问题，就是新用户增长缓慢。这个时候，你的重点要重新回到活跃用户身上。我们都知道二八定律查看全文>>
结合前面的内容，我们或许可以从产品所处阶段和产品类型两个方面来全面回答开篇的问题：「沉默的用户」和「流失的用户」，比「活跃的用户」更值得研究吗？查看全文>>
通过前面举例说明沉默用户，现在来理/解流失用户应该会更清晰一点，说白一句话，就是用户真的抛弃你了。那么流失用户我觉得我们也需要再进一步界定一下，就是新用户流失和老用户流失。查看全文>>
