<<内容算法>>读书笔记

什么是推荐?

一言以蔽之,推荐是特定场景下人和信息更有效率都连接。

走进内容推荐

短期的规则干预是应该被长期的机制所替换。规则就像打补丁,短期打补丁能够遮住窟窿,但长期补丁叠补丁这衣服就没法穿了。太多的规则系统会严重增加系统的复杂度,降低可理解性。

推荐的核心就是断物识人

断物(内容画像)

可使用分类和标签,分类是树形结构和从属关系,而标签则是网状的,更强调属性关系。在设计系统时,可以先基于产品场景快速覆盖主要标签,再结合标签集合使用频率、专家建议等因素逐步将部分入口收敛到树状的分类体系中来。标签的产生可以由pgc和ugc产生。

识人(用户画像):

即建立用户画像,可用于精准广告营销,行业研究,产品效率优化。

用户画像数据通常分为静态和动词。静态是用户独立于产品场景之外的属性,比如性别,年纪,婚姻,常住位置等。动态是在产品场景中产生的显式(购买)和隐式(停留时间等)行为。

物以类聚: 基于内容属性的相似性推荐

内容标签重合度+标签权重(越低频的权重越高)

人以群分:基于用户行为的协同过滤

分为物品协同(物品和内容更新较多,则采取,如头条),用户协同(当人行为数据较大,如电商),模型协同(基于用户打喜好信息训练算法模型,实时预测用户可能打点击率)

协同推荐搜目前应用最为广泛打推荐机制,其基于用户行为的特点使我们不需要对物品或信息进行完整对标签化分析和建模,从而实现了领域无关,可以很好地发现用户地潜在兴趣偏好。

从算法到应用

应用:通过场景划分和交互界面来实现效能最大化。

交互界面最大的作用是告诉用户为什么推给他,从而提升用户接受度。其次是给系统带来更多的数据反馈和沉淀(辅助决策)。

算法好坏的评估指标:推荐仅准度和推荐覆盖度(多样性)

连接内容与人

内容冷启动:

冷启动决定一篇内容的命运

分为内容展现纬度和内容消费纬度:内容展现纬度是列表页展现给用户的信息,如标题/封面/发布时间等(点击率)。内容消费纬度包含作者层(推荐给做作者粉丝)和内容层(分类/关键词/命中等实体和话题等)(断物和喜好)

增加冷启动成功概率,就要很好等处理表现层和内容层2方面。

借助于其他内容进行冷启动推荐,比如手机型号,第三方账号,Wi-Fi,地址等。从某种概念而言,腾讯可能比你自己更了解你,他们从社交到内容到娱乐,有你大量到数据,对腾讯而已可能根本没有新用户对概念。

研究表明:在冷启动阶段新用户更倾向于热门内容,而老用户则更需要长尾内容的推荐。

应用推荐技术本质上还说以“留住用户”为第一要务:尽快的发现用户的主要兴趣点,并推荐和这一兴趣相关点内容以换取更高的点击率。当新用户已经成为老用户,在已经实现短期留住用户当前提下,推荐系统需要在一定程度上牺牲短期点击率来探索用户更广泛当兴趣,从而获得用户长期留存率当提升。

好当推荐系统,上不会止步于已知边境当,而是会用户一次次当探索去触达未知,给用户带来惊喜。

自媒体评估

头条号指数:

原创度

健康度

垂直度:专注+更新频率

关注度

传播度

平台与媒体之间度合作,是一个双向选择/共同进退度过程。只有更适合平台度自媒体才能够给平台带来更多的内容消费量,也会因此收获平台更大力度的支持,从而构成一个良性的循环。

对于新作者和老作者,平台实际操作会更偏向于老用户,并告知新用户你成长后也可以。

做内容分发的初心:如你所愿,阅你所悦

分发的重点:给你喜好的,探索你未知喜好的,避免推荐你反感的

内容按照时效性分为:短期(股票/赛事/天气,特别依赖冷启动机制,1小时内发酵),中期(娱乐/汽车/游戏/行业分析,大多数在2,3看内可消费),长期(知识/案例/小说,可应用于搜索场景)

有3种分发模式:

编辑分发模式(纸媒/门户,千人一面到问题,解决方案纸媒的受编委会投票机制和门户的点击率退场机制)——算法分发模式(头条)——社交分发模式(facebook,粉丝体系过重,到止头部效应太强,普通内容生产者获流量成本剧增)

在算法分发上,部分平台即使上在关注的基础上,在冷启动期间也会优先分发给10%的粉丝,如果粉丝点击率高,才会分发给所有粉丝。但关注量会影响指数,也就上平台对作者对认可度。

如今内容分发平台都走上一条多元因素融合都道路:依赖中心化编辑引导和干预,依赖去中心化用户生产传播,应用机器学习提升效率。

那个才上一款产品都核心指标?

有价值用户都长期留存。

如果你不能量化一件事物,就无法改进它。

冷启动阶段需要注重一次打开率=应用内阅读量/推荐量(或粉丝量)

还有内容消费指标:图文就上平均阅读进度和阅读速度   视频就上播放进度和播放时长  

mcn,在于个人媒体等整合,改造,优化。他们等经营思路瘦“面向市场生产内容,面向平台分发内容,面向用户运营品牌”

自媒体变现

分为两种:流量变现和内容变现

变现入门:平台分成(阅读了*cpm)和扶持奖金

广告变现:品牌的溢价 自媒体只有将广告处理得更加内容化、延续自己账号一贯得内容调性和图文风格,才不至于出现“正常内容十万加,广告内容零分发”得窘境(也就是达到内容即广告,广告即内容得状态)。

自媒体广告中间商平台:微梦http://www.kolstore.com/微播易  天下秀(微信投资)

内容电商:电商才说核心,商业逻辑说“内容——粉丝——复购”

用户对于知识付费的消费意图,分微功利性诉求和非功利性诉求

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 199,902评论 5 468
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,037评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 146,978评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 53,867评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,763评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,104评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,565评论 3 390
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,236评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,379评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,313评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,363评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,034评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,637评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,719评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,952评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,371评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,948评论 2 341

推荐阅读更多精彩内容