1. 怎么简单衡量推荐算法的好坏？
首先我感觉从业务逻辑这里没有一个标准答案，因为大家各自公司的业务场景不一样。
比如电商类的平台（如拼夕夕、淘宝），他们可能最初看中的是转化率，也就是能否让用户购买商品，其次可能是平均的订单价值，也就是用户能购买多贵的商品，最后可能还会关注用户的复购率，毕竟哪怕价格低，要是买的多，那自然也就赚的多了。
又比如内容分发平台（如抖音、快手）可能着重于观看时长和重复观看率。正如你所说，这些指标有利于表明内容的吸引力和用户的黏性。同时，他们也可能关心用户的互动率，如点赞、评论数。
最后像微博豆瓣这种带有社交属性的平台，他们可能关注的是互动率（点赞评论转发），又或者是推荐系统带来的用户增长率。
那么如果我们暂时性的抛开业务场景，能否有一些通用的数据指标呢呢？
2. 衡量推荐算法好坏的一些数据指标？
2.1 Precision（精确率）
不管是什么业务场景，我们都需要考虑推荐的物品用户喜欢的概率，因为推荐位很宝贵，那量化这个概率的指标就是precision。为了更好理解，我们举例一个微信读书给我们推荐书籍的场景，推荐了5本书，我们喜欢其中2本。那么这个时候的precision就是40%。
公式化就是：
这里有一个问题就是我们完全看Precision就好了吗？假如现在微信读书有两个算法工程师，给出了两个算法
背景：用户有10本喜欢的书 第一个算法：给用户推荐了2本书，都是用户喜欢的。此时准确率100% 第二个算法：给用户推荐了10本书，里面有5本是用户喜欢的。此时准确率是50%
从上面的例子上来感受，我们好像不能说准确率高就一定好吧？因为第一种算法可能面临的业务场景是，用户阅读完两本喜欢的书他就走了。而应用第二个算法中，当推荐的结果用户不喜欢的时候，用户会跳过，再次刷到其他推荐的喜欢的书，总共可能会在app中阅读完5本书。结果好像反而是准确率高的，用户app活跃时长更短。
从这个对比我们也就引出了下一个计量指标，Recall（召回率）
2.2 Recall（召回率）
回忆一下前面的Precision代表的是，我们推荐的物品推的准不准，也就是推的物品用户喜欢的概率有多大。但前面也说到了准不准是一方面，另外一方面我们还要看我们推的全不全，而推的全不全，我们就可以用recall来代表。
具体公式：
还是拿微信读书举例： 背景：用户有10本喜欢的书 第一个算法：给用户推荐了20本书，里面有6本是用户喜欢的。此时召回率是60%、准确率是30% 第二个算法：给用户推荐了10本书，里面有4本是用户喜欢的。此时召回率是20%、准确率是40%
单看召回率我们可以看出来第一个算法更好，但同时两个算法召回率和准确率各有高低，那综合来说到底哪个算比较好呢？能不能有一个综合的指标来衡量呢？这里就引出了我们的F1了
2.3 F1
当需要结合两个数据指标precision和recall的时候，我们就可以用到F1这个数据，综合评估算法，具体F1的公式如下
还是用上面的例子 背景：用户有10本喜欢的书 第一个算法：给用户推荐了20本书，里面有6本是用户喜欢的。此时召回率是60%、准确率是30% 第二个算法：给用户推荐了10本书，里面有5本是用户喜欢的。此时召回率是50%、准确率是50%
则第一个算法的F1=0.4，第二个算法的F1=0.5，所以综合来看是第二个算法更加优秀。不过这里多说一句，我们具体还是要看具体的场景，来应用这些指标，比如一个推荐物品很少的推荐系统，那么我们应该更加看重什么呢？当是留下一个小问题，大家可以根据自己的业务场景联想一下。
2.4 NDCG
另外到这里，我们会发现上面的数据指标，我们都只是考虑推荐准不准，但我们没有考虑以下几点
1，推荐位置的影响：比如A算法把用户喜欢的2个商品都推荐到了前面，B算法把用户喜欢的3个商品推荐到了最后面，那怎么衡量两个算法的好坏呢
2，用户喜欢程度的影响：比如A算法把用户喜欢的2个商品都推荐到了前面，但是用户都一般喜欢，B算法把用户喜欢的3个商品推荐到了最后面，但用户都特别喜欢，那怎么衡量两个算法的好坏呢？
这里就可以用到NDCG来做一个综合评价，但是这里不细化了，大家可以看我另外一篇文章，有对NDCG的详细解释。
以上就是一些推荐系统最常见的数据评价指标，最后再尝试总结一下便于大家加深一下印象，总共介绍了四个数据指标，precision 量化我们推的准不准，recall 量化我们推的全不全，f1综合precision和recall，最后的NDCG则是考虑到了推荐位置，推荐物品用户喜欢程度等。
