2023年双11前两周，某女装店铺的推荐点击率从4.1%掉到2.7%。运营团队排查了3天，发现问题出在「曝光去重」的统计口径上——同一用户在同一天内看到同一商品6次，系统只记1次点击，但分母按6次算，点击率被稀释了将近40%。这类陷阱在中小团队的推荐系统里非常常见，整理5个高频错误。
陷阱1：把「历史行为」当「偏好信号」。某生鲜平台2022年6月的日志显示，一位用户连续7天下单矿泉水，模型判定为「水饮重度偏好」，于是首页推了12款气泡水，结果7天内零点击。连续复购往往意味着刚需补货，不是探索意愿。正确做法是给复购品类单独建「消耗周期」特征，而不是堆到兴趣标签里。
陷阱2：训练集和线上特征时间错位。常见场景：离线用T+1的销量做特征，线上实时请求拿不到，只能用T+2的旧值兜底。2023年3月某3C店铺的A/B测试中，实验组CTR虚高18%，原因是离线评估时用了未来信息。校验办法很简单——在特征表里加一列「特征生成时间戳」，回放时严格截断到预测时刻之前。
陷阱3：冷启动用户直接套用热门榜。某母婴App在2021年给新用户推全站销量Top20，7日留存只有11%，改推「同城市+同年龄段」的局部热门后升到19%。区别在哪？局部榜的前3名商品，价格带集中在59-129元，和新人礼包券的门槛刚好匹配。冷启动不是没数据，是没用到对的数据。
陷阱4：把曝光未点击全当负样本。某内容社区2022年做过一组对比：A组把曝光未点击标为0，B组把停留超过2秒但未点击的样本剔掉。B组的AUC从0.71升到0.76。原因很直白——用户看到但没点的原因太多，可能是图片加载慢、可能是已买过，统一打成负样本等于往模型里灌噪声。
陷阱5：只看排序指标，不看供给端。某服饰平台2023年5月把排序模型换了一版，NDCG涨了0.03，但一周后GMV跌了4%。拆开看，模型把流量集中到了30款爆品，长尾8000款商品曝光下降62%，动销率从41%掉到33%。排序优化必须和「曝光覆盖率」「动销商品数」一起看，否则是在透支生态。
一个自查清单，5条，每条1分钟能做完：1）抽100条日志，人工核对特征时间戳；2）统计负样本里「停留时长>3秒」的占比，超过15%就要重新定义；3）对比新老用户的CTR分桶，差距超过2倍说明冷启动策略有问题；4）算一次曝光集中度（Top1%商品拿到的曝光比例），行业参考值35%-50%；5）把线上最近7天的排序结果和离线回放对比，Top10重合率低于60%就要查特征一致性。
