第 176 题：覆盖率优化，长尾物品的流量分配机制？
题目
覆盖率优化，长尾物品的流量分配机制？
完整讲解
一、覆盖率与长尾问题
覆盖率：推荐结果中不同物品/类别被曝光或消费的比例；高覆盖率意味着更多物品获得流量。长尾物品：曝光或交互较少的物品，若仅按热度/CTR 排序会得不到曝光，形成「马太效应」。
二、长尾流量分配机制
- 目标：在保证主指标（点击、GMV）的前提下，有意识地给长尾物品分配一定流量，提升覆盖率、新颖性与生态健康。
- 手段：（1）曝光/流量配额：按物品或类别设最低曝光比例或 slot 预留。（2）探索：Bandit（UCB/TS）或随机插入，给未充分观测物品探索机会。（3）分数修正：对长尾物品加分（如基于曝光数的 boost）、或对热门降权（打压）。（4）分层排序：先按类别/池子分配 slot，再在每类内按相关性排序。（5）公平性约束：在优化目标中加入覆盖率或基尼正则。
- 权衡：过度倾向长尾会损短期点击/GMV；需用 A/B 与长期指标（留存、多样性、供给侧满意度）调参。
三、工程要点
- 长尾定义（按曝光/销量分桶）、配额与 boost 的更新频率、与主排序 pipeline 的融合方式（重排层、混排规则）。
面试要点
- 能说清覆盖率与长尾的定义，以及纯 CTR/热度排序导致的马太效应。
- 能列举长尾流量分配机制：配额、探索、分数 boost/打压、分层排序、公平性正则。
- 能说明与主指标的权衡及调参思路（A/B、长期指标）。
记忆要点
- 覆盖率=不同物品获流量比例；长尾=低曝光物品；需主动分配流量避免马太效应。
- 机制：配额、探索、boost/打压、分层排序、公平正则；与主指标权衡调参。