3步策略,搭建完善的内容运营框架( 三 )


热门推荐是一种省力而讨巧的推荐方式 , 但是对于大量用户和海量内容并不是好的推荐方式 , 它的最大弊端在于“马太效应” , 导致几乎一成不变的内容 。前面说到用户行为是趋同的 , 因此导致的结果是热门的东西也总是相似的 。在热门、排行榜的影响下 , 很多新的内容无法呈现给用户 。所以它只适用于早期阶段 , 在产品成熟起来之后则应该退而成为一个产品模块即可 。
2、编辑推荐
随着用户增长和内容数量增加 , “编辑推荐”的形式会逐渐重要起来 , 其逻辑是基于平台对于自身运营人员能力的自信 , 认为官方编辑推荐的内容是用户喜好的 。当然 , 推荐的内容不完全是运营人员的主观判断 , 而是基于数据分析、用户反馈的推荐 。
编辑推荐内容一般而言是新鲜的、优质的 , 弥补热门排行推荐的不足 。例如在知乎上 , 最热门的内容依然是两性、情感话题 , 如果只展示热门内容的话 , 会充斥着情感话题 , 这是大部分用户和运营人员不想看到的结果 。所以 , 知乎日报的运营人员会选择更加有新意的内容在首页展示 。
一个理想的正向循环是 , 编辑推荐优质内容 , 增加曝光 , 进而成为热门排行榜的内容 , 在此循环下 , 平台上的内容是流动性的 , 新鲜、优质内容得以曝光 , 并且热门内容会不断轮换 。
3、个性化推荐
最后说说个性化推荐 , 其实是一个技术问题 , 目前非常热门的大数据 , 核心问题之一就是解决个性化推荐 。它常见于音乐、视频、新闻、电商等大平台 , 最具代表性的是亚马逊的个性化商品推荐和Netflix的影视作品推荐 。可以看到这些平台的共性就是具有海量内容和海量用户 , 在如此巨大的平台上 , 编辑推荐、热门排行榜都无法完全驾驭所有内容和用户 。如果能做到为每个用户量身推荐内容 , 会极大地提升内容推荐的效率 , 自然会取得商业上的巨大回报 。
个性化推荐常见的三种方式:
基于用户的推荐(user-based) , 找到相似的用户看他们消费了什么内容 , 然后推荐给该用户 。
基于物品的推荐(item-based) , 根据当前消费的内容找到相似的内容推荐给该用户 。
基于物品特性的推荐(modle-based) , 根据消费过的内容提取特征 , 找到更多相似的内容 。
运用最为广泛的是前两种 , 并没有孰优孰劣之分 , 不同场景下两者各有优缺点 , 一般认为对于新用户采用item-based具有较好的效果 , 深入学习可以阅读项亮的《推荐系统实践》一书 。
四、实践案例:从QQ音乐看内容运营框架的运用
QQ音乐是国内最大的音乐平台之一 , 在2015年9月中旬DAU突破一亿 , 是一个海量内容和海量用户的典型平台 , 研究其内容管理具有很强的参考价值 。
1、内容生产:PGC方式生产内容 , 坚持正版化道路
音乐行业是受盗版影响最深的行业 , 几乎被摧毁 , 音乐人从音乐作品上基本得不到应有的回报 , 只能从其他地方赚取收入 , 所以整个行业每况日下 。在这样的背景下 , 几大音乐平台作为领头羊逐渐举起了版权大旗 , QQ音乐是其中做得比较好的一家 。

推荐阅读