第 266 题：推荐与增长的结合，裂变传播与算法优化。
题目
推荐与增长的结合，裂变传播与算法优化。
完整讲解
一、推荐与增长的关系
- 增长：拉新、激活、留存、变现、传播。推荐既服务「内容消费」也服务裂变传播（分享、邀请、UGC 扩散）；算法优化与增长策略可结合，形成闭环。
二、裂变传播
- 信号：分享、邀请、被分享内容的二次消费；可建模「分享意愿」「邀请转化」等，作为目标或特征。
- 推荐侧：优先推荐易分享、易引发讨论的内容；在 feed 中插入邀请/分享引导（如「分享给好友」卡片）；推荐「可能愿意邀请的人」或「邀请后可能激活的内容」。
- 算法优化：多目标中加入传播相关目标（分享率、邀请转化）；或把传播作为长期收益做 bandit/RL；冷启动用户可推荐「高传播」内容拉活。
三、结合方式
- 数据：传播链、邀请关系、分享后转化纳入特征与样本。
- 目标：主目标（时长、留存）+ 传播目标（分享、邀请）；多目标或序列决策（先留存再传播）。
- 策略：推荐与运营活动联动（邀请有奖、分享解锁）；A/B 验证「推荐优化」与「裂变活动」的协同效果。
面试要点
- 能说清推荐如何与增长结合：裂变传播的信号、推荐侧对传播的促进、多目标与策略联动。
- 能说明传播目标与主目标的平衡、数据与 A/B 验证。
记忆要点
- 推荐+增长：裂变传播（分享、邀请）作目标或特征；推荐易传播内容、插入分享引导。
- 多目标含传播；数据含传播链与邀请转化；与运营活动联动并 A/B 验证。