Page 53 - 《社会》2025年第2期

社会·2025·2

首先， 负责 APP 教学功能迭代的产品经理对现存的课程资源分配
方式进行全面梳理，探索可能存在的隐蔽的引流场景。 课程资源分配主
要有以下三种方式：用户从个人收藏列表中选择熟悉的外教，进入其主
页进行预约； 当用户想更换教师时， 可以从 APP 的教师推荐列表中重
新选择外教，同样通过访问其主页完成预约；当外教临时取消课程，系
统会根据外教排序算法直接为用户分配新教师。 这三种方式中，后两
种方式存在人为干预和引流的空间。 接下来平台需要评估引流的空间
或者说可重新分配课程资源的规模有多大。 如果用户更倾向于预约熟
悉的外教，那么将无法通过引流实现降薪。 由于用户预约外教需要在
外教主页完成，因此评估引流空间最准确的方式是分别统计用户从收
藏列表和推荐列表进入主页的比例。 但彼时技术人员并未对该路径进
行标识和记录（也就是行业内说的“埋点”），因而无法当即就区分出预
约来源。
因此，下一步需要进行埋点设计并积累数据以评估引流空间。 埋点
是指研发工程师将数据采集代码植入特定的功能程序中， 一旦用户触
发这个功能（如预约），这次操作的相关信息将被自动记录存储，包括用
户 id、操作时间、该功能页面的上一个页面来源（如推荐列表页面或收
藏列表页面）等。 埋点代码上线生效便开始采集数据，在积累了一定规
模的数据后，数据分析师就可以着手进行评估。 数据表明，较高比例的
用户会通过教师推荐列表预约新的外教。 此外，通过追溯教师被预约时
在推荐列表中的位置，可以发现，在推荐列表中排名靠前的外教被预约
的概率远超排名靠后的外教。 这表明，通过调整外教排序算法、改变推
荐教师的顺序，可以有效地重新分配课程资源。
基于此，项目组最终确定了一个改动量较小的外教排序算法迭代方
案：研发工程师首先按薪资等级从低到高排列外教，低薪资外教靠前；其
次，同薪资等级下，再按衡量教师优秀程度的算法得分进行二次排序，优
秀的外教靠前。 在互联网行业，为有效管控新功能或新策略上线后可能
面临的风险，常采用“灰度发布” 模式，先向小部分用户推送新功能，再
依据数据结果决定是否全量放开。 Y 平台先对 10%的用户应用新的外
教排序算法， 数据显示， 排名靠前的外教被预约的概率虽有所下降， 13

13. 这可能是因为一些低薪外教在其主页上系统性地表现出一些不符合用户偏好的特
征，如国籍、年龄等，即便排名靠前也可能不被用户选择。

· 46·