新用户第一次打开App，系统对他一无所知。某短视频产品2023年6月的做法是：前10条内容按“热度70%+新鲜度30%”混排，热度用7日播放完成率，新鲜度用发布时间倒序。实测这批用户次日留存31%，比纯热度排序高4个百分点。
策略一：热门兜底。取全站近3天完播率前200条，按类目分散，每类最多3条。优点是稳，缺点是千人一面。某资讯App用这招，新用户7日留存只有18%，因为推的全是大众新闻，垂类用户第二天就走了。
策略二：地域+设备先验。用IP解析城市，安卓/iOS分池，各取本地热门。某本地生活平台新用户首屏点击率从6.1%升到8.4%，成本几乎为零。注意IP精度只到城市，别细化到商圈，否则样本太少，排序全是噪声。
策略三：探索-利用。前10条里7条给预测高分，3条随机探索，随机池按类目分层抽。概率上这叫ε-greedy，ε取0.3。某电商实测：纯利用组点击率5.2%，探索组5.0%，但探索组第11-20条的点击率高了0.9个百分点，因为系统快速学到了偏好。
策略四：问卷冷启动。注册后弹3道选择题：常买类目、价格区间、使用场景。填完给5元券。某美妆店问卷完成率42%，填问卷用户的首单转化率是没填的2.3倍。成本是券钱，按5000人算约2.5万元，换来首单GMV约18万元。
策略五：跨域迁移。用同集团另一款产品的行为做向量，相似用户映射过来。某读书App借用兄弟产品的阅读偏好，新用户首周阅读时长从23分钟提到41分钟。前提是两边用户ID能打通，且要过合规审核，别踩隐私红线。
常见错误有三个：①前10条全是爆款，用户点两下就腻；②探索比例设0，模型永远学不到新偏好；③冷启动策略跑30天不换，新用户其实早就有行为了，该在第11条起切到个性化。建议规则：曝光≤10条走冷启动，11-50条混合，51条起全个性化。
评估冷启动别只看点击率。要看“首次有效行为率”（如关注、加购、播放超30秒）和“7日留存”。某团队只盯CTR，把标题党内容推给新用户，CTR 9%，但7日留存跌到12%，得不偿失。
