新用户注册后的前72小时，推荐系统往往面临零行为数据的困境。某电商平台2023年Q2数据显示，冷启动阶段未做干预的新用户7日留存仅31%，而加入策略干预后可达44%。差距来自哪里？先从数据采集的颗粒度说起。
注册环节可采集的显式信号包括：手机型号（价格区间推断）、注册时段（早7-9点通勤党 vs 晚22点后夜猫子）、渠道来源（应用商店搜索 vs 社交分享）。某生鲜App测试发现，仅凭「注册时段+首屏停留时长>8秒」两个特征，就能把新用户粗分为4类，首推点击率从2.1%提升到3.8%。步骤上：1）埋点记录注册后前3次滑动的停留时长；2）对停留超5秒的品类打标；3）24小时内完成首次画像更新。
对比两种策略：A方案直接推全站热销榜，B方案推「同城市同年龄段用户近7天点击TOP20」。2023年8月某本地生活平台AB测试（样本各1.2万人）显示，B方案首单转化率4.7%，A方案仅2.9%。B方案的问题在于冷门城市样本稀疏，乌鲁木齐、拉萨等城市需回退到省级热销池。
案例：某母婴社区新用户首次打开时，若检测到设备安装列表含孕期记录类应用（需授权），直接推「孕早期知识+待产包清单」，该群体次日留存达52%，比对照组高19个百分点。但要注意隐私合规，2021年后此类信号需明示授权，否则面临下架风险。
概率视角看冷启动：新用户点击某品类的先验概率设为全局均值0.03，每获得1次点击用贝叶斯更新后验。实测中，前5次曝光内完成3次同类点击的用户，其长期偏好该品类的概率从先验3%升至约41%。这意味着前5个推荐位的信息增益最大，不要浪费在无关品类上。
模型评估不能只看CTR。冷启动期建议加入「探索覆盖率」指标：7天内推荐结果覆盖的品类数/总品类数，健康值应>0.35。某视频平台2022年复盘发现，覆盖率低于0.2时，次月留存下降6-8个百分点。评估窗口设为D1、D3、D7三个节点，分别对应即时反馈、短期兴趣、稳定偏好。
常见错误清单：1）用老用户模型直接打分，特征缺失导致全推默认值；2）探索比例固定10%，未随样本量动态调整；3）忽略时段效应，早8点推夜宵内容；4）未设回退策略，小众城市推荐为空；5）评估只看点击不看留存。修正后，某工具类App冷启动期人均点击从1.4次升至2.7次。
