Cold Start & Long-Tail Distribution: 解释冷启动评估的设计。

Core Concept: 需专项评估（新用户/新物品的指标）、分层报告、以及'探索的长期收益'；整体指标会掩盖问题。

数学机理：<strong>为什么需要专项评估</strong>——(1) <strong>占比小</strong>——冷启动物品/用户在整体流量中占比小（如新物品 5%）；故<strong>整体指标被成熟物品主导</strong>，冷启动的问题被'平均掉'。(2) <strong>指标不同</strong>——(a) 成熟物品看 CTR/时长；(b) 冷启动物品应看'<strong>首次交互时间</strong>'（从曝光到第一次点击/购买的时间）、'<strong>成长率</strong>'（从冷启动到成熟的速度）、'<strong>曝光位置分布</strong>'（是否获得了靠前位置）。(3) <strong>长期 vs 短期</strong>——探索的收益是<strong>长期</strong>的（发现新爆款、生态健康），但成本是<strong>短期</strong>的（CTR 下降）；故需 (a) 长期实验（月度/季度）；(b) 代理指标（如'新物品的后续表现'）。<strong>评估设计</strong>——(1) <strong>用户冷启动评估</strong>——(a) <strong>新用户的首次会话指标</strong>（首次会话的点击率、停留、是否找到想要的）；(b) <strong>次日/次周留存</strong>（新用户是否回来）；(c) <strong>'兴趣收集'效率</strong>（用了多少步收集到足够兴趣）；(d) <strong>分层</strong>（按'获取渠道/注册信息完整度'分层）。(2) <strong>物品冷启动评估</strong>——(a) <strong>首次曝光到首次交互的时间</strong>（越短越好）；(b) <strong>曝光位置分布</strong>（是否获得靠前位置——关键）；(c) <strong>成长率</strong>（新物品在 N 天内的表现提升）；(d) <strong>长期表现</strong>（N 天后的 CTR/转化）；(e) <strong>'死亡率'</strong>（多少新物品从未被交互）。(3) <strong>系统冷启动评估</strong>——(a) 冷启动期的整体指标；(b) 达到'稳定状态'的时间；(c) 迁移的效果（源域知识帮助了多少）。(4) <strong>探索的评估</strong>——(a) <strong>探索成本</strong>（短期指标的下降 × 探索量）；(b) <strong>探索收益</strong>（发现的好物品的价值）；(c) <strong>regret</strong>（理论指标）；(d) <strong>长期指标</strong>（留存/生态）。(5) <strong>公平性评估</strong>——(a) 长尾/新物品的曝光机会（基尼系数/覆盖率）；(b) 不同群体的曝光公平。<strong>实验设计</strong>——(a) <strong>分层随机化</strong>（按物品成熟度分层）；(b) <strong>长期实验</strong>（捕捉长期效应）；(c) <strong>'留出'评估</strong>（把新物品的评估与成熟物品分开）；(d) <strong>离线评估的偏置</strong>（历史数据中新物品曝光少 → 离线评估不可靠；故需'随机化数据'）。<strong>为什么'整体指标'会误导</strong>——(a) 若新物品占比 5%、其 CTR 低 50%，整体 CTR 只降 2.5%（可能被'噪声'掩盖）；(b) 但新物品的'长期价值'（如果它是爆款）可能巨大；(c) 故需<strong>专项指标 + 长期观察</strong>。<strong>实践建议</strong>——(a) <strong>建立冷启动专项指标看板</strong>（新用户/新物品的独立指标）；(b) <strong>分层报告</strong>（按成熟度/渠道/品类）；(c) <strong>长期实验</strong>（探索的收益）；(d) <strong>量化探索成本</strong>；(e) <strong>监控公平性</strong>（曝光分布）；(f) <strong>'死亡物品'分析</strong>（多少新物品从未被交互——这直接反映探索是否有效）。<strong>度量</strong>——(a) 新用户首次会话指标/留存；(b) 新物品首次交互时间/曝光位置/成长率；(c) 探索成本与收益；(d) 公平性（基尼/覆盖率）；(e) 死亡物品率。

深度剖析与工程权衡：① <strong>'整体指标掩盖冷启动问题'是核心</strong>——因为冷启动占比小；面试中能指出这一点是深度理解的标志。② <strong>'首次交互时间'是物品冷启动的关键指标</strong>——它直接衡量'探索是否有效'。③ <strong>'曝光位置分布'必须监控</strong>——'给了探索但排在后面'等于无效。④ <strong>'死亡物品率'是最直观的指标</strong>——多少新物品从未被交互（直接反映探索的失败）。⑤ <strong>'长期实验必需'</strong>——探索的收益是长期的（短期指标看不出来）。⑥ <strong>面试要点</strong>——被问'冷启动怎么评估'，应给出'<strong>专项指标（新用户首次会话/新物品首次交互时间）+ 分层报告 + 长期实验 + 探索成本与收益 + 公平性</strong>'与'<strong>整体指标会掩盖问题</strong>'；能指出'死亡物品率'是深度理解的标志。