一个新注册用户刚打开 App，没有任何历史行为。你现在只知道 4 类信息：注册渠道、手机机型、城市、当前时间段。要给他推首屏 6 条内容，请说明你的方案，并说清这 6 个位置里你会怎么分配『大众热门兜底』和『按人群粗分群推荐』，以及你用什么指标判断这套冷启动方案有效。
面试官在考什么
判断候选人是否把冷启动理解成『信息不足下的探索问题』，而不是简单的『没特征就填热门』，以及会不会选对评估指标。
回答框架 · 前两步
- 冷启动本质是信息不足下的探索-利用权衡，不是单纯『无特征就用热门』；
- 可用信号有三类：人群先验（渠道/机型/城市/时段）、内容侧泛化特征（热度、时效性、多样性）、全局热门兜底；
还有 3 条答案要点、 3 层追问、 4 个常见坑， 以及针对你简历的追问路径，在定制报告里。
延伸阅读
想看这个方向的整体准备路线？ 进入「推荐与搜索」方向页
同一能力域的其他题
- 冷启动问题你会怎么处理？新用户和新物品的策略一样吗？请分别说。
- 离线 AUC 涨了但线上 CTR 没涨，你会按什么顺序排查？请给出具体清单。
- CTR 模型里为什么要用 GAUC 而不只看 AUC？GAUC 是怎么算的、它解决了什么问题？
- 特征工程里你会怎么做特征穿越（label leakage）的检查？请举一个推荐场景里常见的穿越例子。
- 你做过线上 A/B 实验，请说明分流、样本量、显著性判断的要点。如果一个实验 p 值不显著，你怎么处理？
- 你在做一个首页信息流的 CTR 模型，要加一维特征「用户过去 7 天在该一级类目下的点击率」。训练样本取自 8 月 1 日–8 月 7 日的曝光日志（每天约 2 亿条），你打算 1–6 日做训练、7 日做验证。请说明：这个特征的统计窗口在离线训练和线上 serving 分别应该怎么算？为什么不能直接对整份日志算一个「过去 7 天」的统计再 join 回每条样本？