给老年人做自动化推荐,算法逻辑得整个换掉
去年我帮一个社区养老平台做内容推荐模块,本来以为把年轻人那套协同过滤搬过来、调调参数就完事。结果上线两周,后台数据把我脸打肿了。
老人用得最狠的按钮不是"点赞",是"返回"。八成会话在三屏内就退出,推荐位点击率0.9%,而年轻人同类产品普遍在4%以上。这不是算法不够聪明,是方向压根用错了。

老年人的点击习惯和年轻人差太远
我把两周埋点数据拉出来对比,几个现象挺反直觉:

- 早上6点到8点是全天最高峰,占日活三分之一,晚上9点后几乎归零
- 单次会话时长平均4分12秒,但页面切换只有2.3次,说明他们在慢慢读,不是快速刷
- 同一条内容推第二次,点击率反而比第一次高17%,跟年轻人"看过就不点"完全相反
- 字号小于18px的卡片,点击率直接掉一半

最后那条最扎心。原来卡片用的是16px,设计师觉得够大了,实测下来老人得眯着眼看。
推荐逻辑我动了三个地方
标签体系改成做粗不做细。年轻人能接受"露营+徒步+轻量化装备"这种三级标签,老人不行。我最后把兴趣标签压到12个大类,比如养生、戏曲、本地新闻、孙辈教育,下面不再细分。标签太细,模型冷启动阶段就会乱推,老人一乱就流失,而且不会回来。
故意制造重复。这点跟主流思路反着来。我设了一条规则:同一条内容用户读过但没读完,48小时内再推一次,权重给到原来的1.3倍。上线后完播率从31%涨到52%。老人的阅读节奏是一遍看不懂、第二遍才记住,算法不该逼他们追新。
加人工兜底位。纯自动化的推荐我留着,但每屏固定留一个编辑手工选的位置,占流量大概20%。听着很不智能,可这个位置的点击率是算法位的3.4倍。老人对"有人挑过的内容"信任度明显更高。
顺带说个事。我们做过小范围A/B测试,给一半用户开了"子女代设兴趣"入口,让子女在微信端帮父母勾选可能感兴趣的内容。这批用户次日留存比对照组高了11个百分点。说白了,老人自己不愿意填兴趣问卷,但子女愿意。
还有个容易忽略的细节:推荐位文案别写"猜你喜欢"。我换成"今天给您推荐",点击率涨了差不多一倍。老人对"猜"这个字有戒备,觉得是套路。
这套东西跑到现在大概8个月,推荐位点击率从0.9%升到3.2%,日活留存稳定在40%出头。数据不算漂亮,但在养老类产品里算能看的。
我的判断是,给老人做自动化推荐,技术难度真不高,难的是愿不愿意把"效率优先"那套惯性放下来。年轻人产品拼的是让用户多刷几分钟,老人产品拼的是让用户看懂、记住、明天还愿意打开。这两件事的目标函数,根本不是一回事。