我在做社交产品的推荐系统时，冷启动问题困扰了我很久。技术上有很多方案——基于内容的推荐、协同过滤的迁移学习。但我越来越觉得冷启动本质上不是技术问题，而是产品设计问题。
这是一个很有洞察力的框架转换。传统思路把冷启动当成'数据不足'的技术问题来解决，但从产品角度看，冷启动其实是'如何让用户在没有个性化推荐之前也觉得产品有价值'的体验问题。
例如：Reddit 的冷启动方案不是更好的推荐算法，而是让用户主动选择订阅 subreddit。TikTok 的冷启动不是让用户填兴趣标签，而是用前 8 个视频的行为快速学习偏好。
两个思路的区别：技术方案试图猜测用户想要什么，产品方案让用户自己表达或通过行为快速暴露偏好。
对。我们最近的做法是把冷启动期变成一个'探索游戏'——新用户先进入一个 curated 的高质量内容池，系统通过他们的浏览、停留和互动快速学习。关键是让这个探索过程本身就是有趣的，而非一个需要'熬过去'的阶段。
这个设计很聪明。它把冷启动的'成本'转化成了'价值'——用户不是在'教系统'，而是在'发现好内容'。
补充一个想法：在社交推荐的场景里，冷启动还有一个独特维度——新用户不只是没有行为数据，他们在平台上也没有社交图谱。知识图谱可以帮助弥补这一点：如果新用户发的第一条内容提到了某个领域的专业概念，系统可以推断他们的知识水平和兴趣方向，匹配到相同知识图谱区域的其他用户。
这样冷启动就变成了：通过少量高信号行为快速定位用户在'知识空间'中的位置。