6.8.3 构造法设计公式的迭代思路
构造法设计的公式是可以进行迭代优化的，有两种优化方式：离线优化和在线优化。
●离线优化：即在离线环境下对公式做优化，主要基于实例仔细分析比较之前设定的权重在线上用户的离线数据中的表现是否符合预期，主要看主观评估排序的合理程度。比如本例中的“阅读满意度得分”，可以分别选取同一用户的不同漫画的排序，与真实用户做“1对1访谈”，确定用户真正的兴趣排序和公式排序的差异值（可以使用nDCG进行度量）；也可以选取不同用户对同一漫画的排序，观察数据上是否有突变点、断点或者其他不合理的数据，从而不断修正公式排序。
●在线优化：即在在线环境中校验参数的适配程度。一般根据A/B测试实验进行调优，通常公式中的影响因素并不会太多，可以使用数值分析中的“二分法”进行迭代优化。比如公式为f(x)=aebx，可以固定其中的参数b，开启5组A/B测试实验，分别将a设置为0.2、0.4、0.6、0.8、1.0，然后选取其中效果最好的两组继续开启第二次试验，假设0.4组和0.6组最优，第二次的实验就可以将a设置为0.4、0.45、0.5、0.55、0.6，继续这样的迭代过程。但这种方法在参数较多的时候很难考虑到不同变量之间的参数关系。一旦遇到多种变量参数的最优解的问题，我们可以使用更加复杂的机器学习方法，但这部分工作已经超出了策略产品经理的工作领域，所以本书不再赘述。