4.6 KiB
4.6 KiB
一、句子标签体系（Sentence Tagging System）
1. 设计原则
-
标签不是为了分类句子，而是为了 让推荐系统理解用户的情绪需求
-
所有标签必须：
- 可被用户行为验证（会被喜欢 / 讨厌）
- 可直接影响推荐决策
- 数量克制、定义稳定
2. 主情绪标签（Emotion Tags｜6 个）
主情绪标签 = 一句话 解决的核心情绪需求
每一句话只能有 1 个主情绪标签
-
安抚（Calm）
- 用于情绪过载、焦虑、疲惫
- 目标：先稳定情绪
-
被理解（Understood）
- 用于孤独、自我怀疑
- 目标：建立共感
-
接纳（Acceptance）
- 用于自责、内疚、不够好感
- 目标：缓解自我攻击
-
鼓励（Encourage）
- 用于低落但尚可前行
- 目标：提供继续的力量（非口号）
-
行动启动（Activation）
- 用于卡住、拖延
- 目标：启动，而非成功
-
希望感（Hope）
- 用于低谷、无出口感
- 目标：保留可能性
3. 语气标签（Tone Tags｜4 个）
语气标签 = “这句话是怎么说的”
用户对语气的“讨厌”比“喜欢”更重要
- 温柔（Gentle）：安全、低压、共感
- 中性（Neutral）：陈述型、兜底使用
- 直接（Direct）：清晰、有方向
- 诗性（Poetic｜可选）：隐喻、画面感
4. 场景标签（Scene Tags｜5 个，可空）
场景标签是 加分项，不是必填项
- 早晨（Morning）
- 工作 / 学习中（Focus）
- 情绪低谷时（Low）
- 睡前（Night）
- 随时（Anytime｜默认）
5. 标签纪律（强规则）
- 每句话只能有 1 个主情绪标签
- 90% 句子可以没有场景标签
- 行动启动 ≠ 鼓励
- 安抚 ≠ 接纳
- 不确定时，优先选择「被理解」
二、用户画像体系（User Profile Indicators）
1. 设计原则
- 用户画像不是“这个人是谁”
- 而是 “这个人最近更容易接住什么样的话”
- 所有指标默认 可变、会衰减、以近期为主
2. 用户画像的最小结构（4 大类）
① 主情绪偏好（核心）
- 对 6 个主情绪标签的近期偏好强度
- 决定「今天主要推哪一类句子」
② 语气接受度
- 用户对不同说话方式的耐受程度
- 主要用于 过滤用户讨厌的语气
③ 场景有效性（轻量）
- 哪些时间 / 状态更容易被接受
- 仅作为推荐修正项
④ 情绪稳定度（隐性指标）
-
根据近期反馈判断：稳定 / 波动 / 不稳定
-
决定：
- 探索比例
- 是否使用保守推荐
- Push / Widget 是否降强度
3. 不纳入的画像指标（刻意避免）
- 人格类型（MBTI 等）
- 情绪诊断标签（焦虑 / 抑郁）
- 长期性格、身份属性
原因：
- 医疗与伦理风险高
- 对「选一句话」帮助极低
三、个性化推荐架构（Personalized Recommendation Framework）
1. 总体逻辑
句子标签 = 地图 用户画像 = 当前状态 推荐系统 = 在地图上谨慎前进
推荐目标不是“最相关”，而是：
- 最合适
- 最安全
- 最不容易被拒绝
2. 推荐决策的三层结构
第一层：候选生成（方向）
- 基于用户主情绪偏好召回句子
- 同时保留少量相邻情绪用于探索
第二层：排序选择（判断）
综合判断：
- 主情绪是否匹配
- 语气是否可接受
- 场景是否合适
- 是否近期重复
第三层：安全与多样性控制（保护）
- 情绪不稳定时：收敛到安抚 / 接纳
- 连续讨厌时：主动退让、冷却
- 避免同一情绪 / 语气连续出现
3. 不同触点的推荐差异
-
Feed：
- 多样性高
- 探索允许
-
Push / 每日一句：
- 高确定性
- 强去重
- 以安全为先
-
Widget：
- 中性 / 安抚优先
- 不试错
4. 行为 → 画像 → 推荐的闭环
- 用户行为 ≠ 对句子的评价
- 而是对 “情绪 × 语气 × 场景”组合的反馈
推荐系统学习的不是：
“哪句话好”
而是：
“什么时候，用什么方式，说什么样的话，更容易被接住”
四、系统级原则（给 PM 的一句话判断标准）
这次推荐，是在理解用户此刻， 还是在重复用户过去？
- 前者 → 好推荐
- 后者 → 情绪回音室（需要避免）
本文档适用于 0 → 1 阶段，建议冻结 3 个月后再评估是否扩展。