一个推荐流程走完，数据要过四道手：日志采集、特征加工、样本构造、指标统计。每一道都有常识性的坑，列成清单，新人上手照着对一遍能省两周。
日志层。埋点上报 3 种事件：曝光、点击、停留时长。曝光要在内容真实渲染进视口时上报，别在请求返回时上报，两者差 15% 到 25%。停留时长用 500ms 一档的分桶值，精确到毫秒没意义还占存储。字段上必须带请求 ID，不然曝光和点击关联不上，后面的漏斗全废。
特征层。数值特征做分桶比做归一化稳，尤其是长尾分布的下单量、曝光量，用 log1p 之后按分位数分 20 桶。类别特征注意高基数问题：用户 ID 出现 1 万以上的别做 one-hot，做 embedding 或者哈希到 10 万维。时间类特征注意时区，用户本地时间和服务器时间差 8 小时，跨天边界上的行为会错位，实测影响 0.3 个百分点。
样本层。正负样本比例控制在 1:5 以内，超过就下采样。样本时间窗建议 30 天，太短学不到周期规律，太长老内容占比过高。同一个请求下的多条曝光算独立样本还是列表样本，取决于你训的是 pointwise 还是 listwise 模型，两种口径混用会导致训练目标混乱，AUC 忽高忽低。
统计层。三个指标必须同时看：CTR、人均曝光、人均时长。只盯 CTR 会出现“标题党”霸榜，实测标题党内容的 CTR 高 1.4 倍但人均时长低 22%，加一条时长门槛之后整体收益反而涨 3%。另外做指标对比一定要固定分母口径，两个报表用两套分母，结论永远吵不清。
再说排序链路的数据量级。召回 500 到 1000 条，粗排缩到 100 到 200 条，精排 50 到 100 条，重排出 10 条。每层都有延迟预算：召回 50ms、粗排 20ms、精排 40ms、重排 5ms，加起来留 30ms 给网络。超了预算就砍候选数，别砍特征，砍特征掉分比砍候选多 3 倍。
一个具体案例：某团队精排特征从 120 维加到 340 维，离线 AUC 涨 0.9 个点，线上延迟从 38ms 涨到 95ms，超时率 2.4%，最终净收益为负。回退到 180 维，延迟 52ms，AUC 只比 340 维低 0.2 个点，净收益正。特征不是越多越好，延迟才是硬约束。
最后一条常识：所有离线指标都要有线上对照。离线涨、线上跌的组合很常见，原因多是训练服务特征不一致或评估口径偏差。留一张对照表，每上线一个版本填一行，三个月后你会感谢自己。
