我跟大家说，之前总觉得“问羊知马”这个词，有点儿故弄玄虚。不就是间接了解情况嘛有啥好说的。直到自己真正掉到一个坑里，才明白这事儿不简单，里面门道多着。
掉坑了：推荐系统用户跑光光
我之前不是捣鼓过一个内容推荐的小系统嘛刚上线那会儿，大家新鲜劲儿还在，用的人不少。可没多久，数据就不好看了，用户流失得厉害。我心里急，赶紧拉了一堆报表看，发现点击量唰唰往下掉，用户停留时间也短得可怜。
我当时就想，这肯定是推荐内容不准嘛可问题是，怎么个不准法？我跑去问几个熟悉的用户，问他们为啥不爱用了。结果七嘴八舌的，有人说“没啥好看的”，有人说“老是推那些我早就看过的东西”，还有人说“感觉推荐的都是些垃圾新闻”。听完我更懵了，这些都是表象，真正的问题到底在哪儿？这就好比我想知道那匹“马”为啥不跑了，结果问“马”它不说话，问旁边几只“羊”，它们也只说了些不疼不痒的抱怨。
寻找“羊”的旅程：从数据到人，再到竞品
我意识到，直接问是问不出结果的。那不就得“问羊知马”了吗？可这“羊”是到底有几种？我那阵子就跟个侦探似的，到处找线索。
-
第一种“羊”：数据行为羊。
我先从最容易拿到的地方下手，把所有用户行为日志都翻了个底朝天。用户点了什么？看了多久？在哪一步跳出了？是不是看了某个视频，接着就关掉了应用？是不是看了某篇文章，就立马划走了？我把这些数据拉出来，做各种漏斗分析、路径分析。我发现用户对某种特定类型的内容，无论是点击率还是停留时间，都特别低。就好像这只“数据羊”告诉我，‘喂，你这块草料是坏的，大家都不吃！’但它没告诉我，草料到底怎么坏的，是过期了，还是根本不新鲜。
-
第二种“羊”：客服反馈羊。
光看数据，只能知道“发生了什么”，不知道“为什么发生”。我就又跑去跟我们客服团队的小伙伴聊。问他们平时收到的用户反馈里，有没有什么共同点。我把他们记录的几百条用户反馈挨个儿看了一遍。还真别说，我发现好多用户提到“推荐的都是旧闻”、“标题党太多”、“内容深度不够”。这只“客服羊”就跟我说了：‘大家嫌这块草料不仅坏了，还全是假把式，看着像草，结果是塑料！’这下，我开始明白，问题可能出在内容本身的质量和时效性上。
-
第三种“羊”：竞品观察羊。
光看自己的问题还不够，我还得看看别人家是怎么做的。我扒拉了一堆市面上同类的推荐产品，研究它们推荐的内容类型、风格、更新频率，甚至去他们的用户社区里潜水，看用户都在讨论什么，喜欢什么样的新内容。我发现，那些做得好的产品，他们的内容更新速度快，而且很多原创的、有深度的内容特别受欢迎。这只“竞品羊”就告诉我：‘你看别人家的草料，新鲜又营养，花样还多，怪不得大家爱去那里吃。’
-
第四种“羊”：内部经验羊。
我把这些零零散散的线索，拿到我们团队内部开了个小会。大家都是在行业里混了几年的人，对用户、对内容都有自己的理解和经验。我把数据分析的结果、客服反馈的共性、竞品观察到的趋势都摆出来，让大家一起聊。你一言我一语，有人说是不是我们只重视了热门内容，忽略了长尾和垂直领域；有人说是不是我们对内容的审核标准太宽松了，导致劣质内容混进去；还有人提到我们内容抓取的源头是不是太单一了。这几只“经验羊”你一句我一句的，把我们之前的一些模糊猜测都给点透了。
终于“知马”了：问题出在“喂养”上
把这些来自不同“羊”的线索都拼凑起来后，那匹“马”的真面目就逐渐清晰了。我发现，我们的推荐系统之所以不行，根本问题不是算法多高级多复杂，而在于“喂”给算法的“草料”本身就有问题。我们抓取的内容不够新鲜，甚至有些为了数量去凑，导致大量低质量的标题党内容混了进去。这马不是不想跑，是吃得太差，根本没力气跑！
真正的含义，就是你不能只问一只“羊”，更不能傻傻地想直接问那匹“马”而一无所获。你要问好多只不同脾气、不同角度的“羊”，它们从各自的视角给你反馈、给你线索。你把这些零散的线索都收集起来，就像拼图一样，一点点地拼凑，才能最终看出那匹“马”到底哪里出了问题。
改变策略，马儿跑起来了
搞清楚问题后，我们立马调整了策略。不再光是追求推荐内容的数量，而是把重心放在了内容的质量和时效性上。我们调整了内容抓取的策略，增加了内容审核的力度，甚至还尝试跟一些内容创作者合作，获取独家高质量内容。
慢慢地，用户数据就有了起色。大家停留时间越来越长，跳出率也降低了。甚至有用户开始主动给我们留言，说推荐的内容变好看了。那匹“马”终于又跑起来了！
所以说，“问羊知马”这事儿，核心就是告诉你，当你无法直接获取核心信息时，你得学会从不同来源、不同维度的间接信息中去推敲、去归纳。这“几种动物”，就是我们在实践中，获取这些间接信息的不同渠道和方法。真的是，实践出真知！
