第 257 题：设计Netflix的内容推荐，冷启动与探索的专项方案。
题目
设计Netflix的内容推荐，冷启动与探索的专项方案。
完整讲解
一、Netflix 场景与挑战
- 内容推荐：电影、剧集、短视频；冷启动（新用户、新内容）与探索（发现新兴趣、避免重复）是核心问题，需专项方案。
二、冷启动
- 新用户：无行为时用注册信息（地区、语言、设备）、问卷或首屏选择偏好做初筛；用热门+多样、或内容特征相似度做初始推荐；尽快用前几次行为更新画像（即时反馈、小样本模型）。
- 新内容：无播放数据时用元数据（类型、演员、描述）、内容 embedding（视频帧、音频）、与已有内容的相似度做分发；小流量探索快速积累信号，再接入主排序。
- 冷启动模型：可单独一路「冷启动召回/排序」或冷启动专用特征与样本加权；与主模型融合或切换逻辑。
三、探索的专项方案
- 探索目标：发现新类型、新剧、长尾内容；缓解过滤泡与疲劳。
- 手段：Bandit（UCB、Thompson）、探索 slot（每 N 条插入探索）、多样性约束（DPP、类目熵）；新内容保量、未曝光内容探索。
- 评估：除主指标外看发现性、长尾曝光、留存与多样性指标；A/B 调探索强度。
面试要点
- 能说清 Netflix 类内容推荐的冷启动（新用户、新内容）与探索的专项设计。
- 能说明冷启动信号来源、探索手段（bandit、slot、多样性）与评估方式。
记忆要点
- 冷启动：新用户用注册/问卷+热门多样；新内容用元数据+内容特征+小流量探索。
- 探索：bandit、探索 slot、多样性约束；评估发现性与长尾曝光。