在推荐算法里，不同类型产品应该关注哪些不同指标呢？

首先是一句基础的废话：推荐 和 搜索一样，只是效率工具。工具需要结合业务场景、服务业务目的。

从而，我们可以更泛化的从工具角度看，业务应该如何关注自己的指标。

指标是对业务目的的抽象和拟合，是一个立体的事情，从内而外进行发散：
先关注工具在【核心指标】上的贡献，将核心指标做到某个基础程度，让业务立得住、活下来；
再在有余力的情况下，以折损部分核心指标为代价，去满足【辅助指标】，让业务更完善、做漂亮。

以内容分发业务为例，最核心的是点击和时长指标，这两个指标够了才会有用户规模和留存；但是在这两个指标之外，我们可以进一步补充多样性、品类控制、时效控制、不同载体比例、单次消费时长、新内容占比等多元化的指标。一系列的指标，才可以拟合出我们对于业务理想态的预判。

以电商场景下的推荐为例，买是第一位需求，先有GMV才能够覆盖用户获取成本；逛是第二位需求，让用户常来才能够产生后续的潜在消费。那么，当买的指标 和 逛的指标融合的时候，就会得到一个不同权重组合下的业务目标，即给用户推更容易促成转化的商品，又推荐需要中长期种草的商品。