新用户注册后的前10次点击，决定了他未来30天看到的内容分布。某电商平台在2023年6月的A/B测试显示，把冷启动阶段的排序权重从“热度优先”改为“类目探索+点击反馈”，新用户7日留存从18.4%提升到22.1%，样本量约12万。
冷启动常见错误有4个：1）直接套用老用户模型，导致新用户被推了3次不感兴趣的品类后流失；2）探索比例固定为20%，没有随点击次数衰减；3）忽略时间衰减，把3天前的点击和3分钟前的点击等权；4）只用点击不用停留，误把误触当偏好。
对比两种策略。策略A：前10次点击中，第1-3次按类目多样性打散，第4-7次引入协同过滤的近邻用户，第8-10次收敛到Top2类目。策略B：全程按全局CTR排序。离线评估用NDCG@10，A比B高0.07；线上A的次日回访率比B高2.6个百分点。
概率视角看，新用户对某类目的真实偏好可视为Beta分布。初始先验取平台大盘类目分布，每产生1次有效点击（停留大于5秒）后验更新一次。实际工程中把先验强度设为8，即相当于8次虚拟曝光，避免前2次点击就把排序锁死。
统计上要监控一个指标：前10次曝光中“零点击类目”的占比。健康值应低于35%。某内容社区2023年9月发现该值升到52%，排查后是探索逻辑把3个长尾类目重复推给同一批新用户，修正后回落到29%，新用户首日使用时长从6.2分钟回到8.9分钟。
排序模型评估别只看AUC。冷启动场景样本少，AUC波动大。建议用分组评估：按注册渠道分5组，每组至少2000人，看组间留存差异是否显著。若某渠道组留存低于均值3个百分点以上，优先检查该渠道的类目先验是否偏移。
一个可落地的步骤清单：1）记录前10次曝光的类目序列；2）每次点击后更新Beta后验；3）第5次点击时做一次重排，把后验均值最高的2个类目权重上调；4）第10次点击后切换到常规模型；5）每日抽样500名新用户做人工复核。
价格区间也影响冷启动。某平台把新用户首屏商品价格带限定在29-199元，点击率比全价格带高1.8倍；超过399元的商品在冷启动阶段CTR仅0.9%，低于大盘2.3%。冷启动阶段先收敛价格带，再扩类目，顺序反了效果差一半。
