初識閆老師，是在他文章下面留言，咨詢關于內容運營的問題，閆老師給出非常詳細的回答，當時給我的感覺便是富有內才且謙虛嚴謹。
簡書出版推薦了三本書籍，作為一個路人粉給閆老師打call，購買了《內容算法》。
感謝閆老師將經(jīng)驗、實踐、知識梳理成文。以一杯咖啡的價格可以讀到好作品（少買一件衣服，多看好多本書），非常感恩。
任何愿意將自我價值進行輸出和分享的「老師」都值得感恩，利他者人恒利之。
如果給《內容算法——把內容變成價值的效率系統(tǒng)》打標簽，我愿意稱它為內容推薦領域的頭部作品，因為書籍內容最in且受眾最廣。
內容運營者入門，自媒體的工具書，內容推薦科普書對該書簡練的三詞定評。
推薦者們的推薦語寫得也很講究，借用文章中的理論，內容的標題和封面決定了內容的打開率，這些推薦語極大的引起了廣大讀者的興趣。
從而引出一個話題，作為一個推薦者，或者用于封面的推薦語，為什么沒有把書夸得天花亂墜、用詞考究？
有兩個原因：第一，防止言過其實，讀者有很高的期望，結果內容消費體驗斷崖式的落差；第二，用詞考究意味著讀者無法在一秒鐘理解，那么傳播性變差，因此影響書籍成為暢銷書。
上個星期，跟百萬粉絲擁有者深夜發(fā)媸徐老師互動的過程中，電光火石間，突然梳理出關于內容運營兩個層面的內容：
作為內容創(chuàng)作者來說，關鍵在于如何可持續(xù)性的產(chǎn)出優(yōu)質內容，是生存的關鍵。
對于內容平臺運營者來說，在上一層的基礎上，如何將用戶感興趣的內容推送給用戶，并在此基礎上保持內容的消費體驗和內容的多樣性，是勝出的關鍵。
先說第一層，如何可持續(xù)性的產(chǎn)出優(yōu)質內容？
如果單憑一己之力，難。
每寫完一篇優(yōu)質的內容，會有一種身體被掏空的節(jié)奏，在這種情況下要可持續(xù)運營和吸粉，不得不買稿、洗稿、培養(yǎng)風格類似的寫手、建立寫作模板，保證篇篇10萬+，基本上涵蓋了現(xiàn)在自媒體的升級方式。
再說第二層，如何推薦合適的內容給用戶？
在純人工推薦的時代，編輯的認知和風格決定推薦的內容帶有強烈的個人印記。
所以編輯面臨的最大的爭議便是作者質問：“為什么我的文章那么好，不推薦？那些很low的文章還上了首頁？”。
于是讀者質疑：“首頁都是些什么文章啊，雞湯！還沒我寫的好?！?/p>
那個時候，總是思考一個問題，到底什么是好文章？怎么樣才能做到讓更多的人喜歡和滿意。
在人工推薦的時代，我們需要高鑒賞水平的編輯，即高認知且不固執(zhí)。
為什么說高認知，因為這樣他才有好的鑒賞力，欣賞真正好的內容。
同時，他還要不固執(zhí)，如果只考慮內容好才推薦，而平臺的讀者80%都在平均認知基準線上時，內容雖好，對讀者無用，看不懂他們便放棄了。
作為內容推薦機制從1.0人工推薦，到2.0算法推薦演進的過程中，也存在很多疑惑，在看書的過程中疑惑不斷加深，以前的問題又重復出現(xiàn)了，本質的問題沒有想透徹，但行業(yè)演進時，這些問題會更加凸顯且亟待解決。
1.什么是好內容？
我們可以區(qū)分什么是絕對的不好的內容，但對好內容沒有一個平均的標準。認知水平高的人，看到文章水平低于其認知的，會覺得內容low。
2.什么是優(yōu)質作者？
同上，有沒有一個平臺平均的評判標準，雖然每個人的看法不一樣，但在同一標準下不會出現(xiàn)兩個作者差距太大。
3.好內容和優(yōu)質作者對平臺的意義在哪里，有多重要？
如果真的是我們定義的優(yōu)質作者流失了，那么流失的原因是算法分發(fā)導致的流量不夠，還是有流量但收入不夠（比如無法分發(fā)廣告獲利）
4.現(xiàn)狀是是首頁的算法偏差導致推薦的內容low，還是因為本我超越超我（想看的和下意識點擊的內容完全不一樣）？
如果是推薦冷啟動階段，算法偏差的可能性更大。
5.到底是以內容為導向還是以用戶為導向？
如果是內容為導向，那么一篇深度的行業(yè)分析，雖然沒有娛樂新聞點擊率高，到價值更高，故而推薦時應提高其權重。但是好內容不一定有廣泛的閱讀基礎。
如果是用戶導向，那么不僅推薦用戶感興趣的內容，并且還應該適當推薦多元化的內容，擴展對用戶的了解，保持用戶看到內容的多樣性。
6.如果推薦權重包含社交、編輯推薦、系統(tǒng)推薦三大塊，平臺有沒有權重傾斜，比如權重的比重是1：1：2。
在看完書以后，以上問題，基本得到解答，過程中做了一些筆記和些許感悟，分享如下：
1.有的權重上升，有的下降，每次選擇和反饋，都在進化自己的數(shù)字軀體
2.內容斷供，體驗跳崖，所以要豐富用戶畫像，在某一內容斷供時，有其他內容補上
3.有人習慣好評，有人習慣低分，要根據(jù)用戶的歷史平均分作為基準進行歸一化處理，以衡量用戶評分背后的認可度
4.給標簽匹配推薦權重，高頻率標簽推薦權重低，低頻率標簽推薦權重高。如果標簽詞粒度不夠細，不能夠全面描述書的內容，就難計算出置信的相似度，達不到足夠好的推薦效果。「推薦質量的優(yōu)劣完全依賴于特征構建的完備性，這是一項系統(tǒng)工程?！?/p>
5.推薦算法：物以類聚，人以群分
抱著找茬的心態(tài)來看書，在這一節(jié)，因為作者翻譯的詞句不同，如在人以群分模塊中，作者提到協(xié)同推薦可以分為三個子類，其中的Item-base的協(xié)同，作者翻譯為物品協(xié)同，而中國知網(wǎng)將其翻譯為項目協(xié)同，個人認為項目協(xié)同，歧意更少。
- 物以類聚：基于內容屬性的相似性推薦，系統(tǒng)化而全面的標簽體系，不同頻率標簽權重不同（頻率高，權重低，頻率低，權重高），推薦得分較高的內容（即相似度較高的內容），用戶每重新點擊下一個內容，算法重復上次動作，推薦新一輪類似內容，這就是為什么看著看著《爸爸去哪兒》的前段，跳到《媽媽是超人》了，因為一個名叫嗯哼的小朋友。
比如，淘寶買東西，「猜你喜歡」欄目會出現(xiàn)基于最近搜索的內容的推薦。
- 人以群分：基于用戶行為的協(xié)同過濾
Item-base項目協(xié)同：基于用戶選擇的項目（也可以理解為物品），先計算已評價項目和待預測項目的相似度，并以相似度作為權重，加權各已評價項目的分數(shù)，得到待預測項目的預測值。例如：要對項目 A 和項目 B 進行相似性計算，要先找出同時對 A 和 B 打過分的組合，對這些組合進行相似度計算。
User-base用戶協(xié)同：比如，亞馬遜會出現(xiàn)，購買了這本書的用戶還購買了……還瀏覽了……
PS:人以群分實現(xiàn)相對比物類分要慢一步，因為對用戶畫像的收集不完善的情況下，推薦是不精準的。
協(xié)同推薦的缺點是:
（1）用戶對商品的評價非常稀疏，這樣基于用戶的評價所得到的用戶間的相似性可能不準確（即稀疏性問題）;
（2）隨著用戶和商品的增多，系統(tǒng)的性能會越來越低;
（3）如果從來沒有用戶對某一商品加以評價，則這個商品就不可能被推薦（即最初評價問題）。
因此，現(xiàn)在的電子商務推薦系統(tǒng)都采用了幾種技術相結合的推薦技術。
羅振宇的《時間的朋友》，根據(jù)收貨地址判斷這個區(qū)域人的認知水平，決定發(fā)真貨、高仿、盜版等，哈哈哈哈，認知水平低要交學費的，智商稅。
6.繼續(xù)看場景
考慮到存在家庭賬號共享的行為，算法也會進一步基于設備信息來判斷當前用戶是誰，從而展示同一賬號下，相應用戶的觀看歷史。
7.交互界面影響或引導用戶按照系統(tǒng)所期望的方式，提供更多的數(shù)據(jù)，完善算法。對推薦系統(tǒng)而言，交互界面＞數(shù)據(jù)＞算法。
8.推薦算法的內核：提高分發(fā)的效率（讓每一個用戶更多的去點擊）。難怪，沒有考慮質量，這是為什么今日頭條上很low的內容，如標題黨，會獲得更多的點擊，導致好的內容質量得不到更多的曝光。（書中提到高階用戶對今日頭條詬病較多的一點。）
這點知乎做得更好，會有對內容質量的點贊，是踩是贊，還是以后不再推薦類似的「用戶」、「話題」、「標簽」等。
9.推薦系統(tǒng)評估指標
- 推薦準確度，表現(xiàn)為用戶的點擊率和對后續(xù)消費行為的預判
- 推薦覆蓋度（多樣性），相比于熱門排序，長尾內容會得到更多展示。同時也要避免入坑，比如僅關注全局的多樣性指標，而不關注個體的多樣性指標。
用現(xiàn)在的標準來評價簡書的推薦系統(tǒng)，還可以提升，精確度不錯，推薦了很多《紅樓夢》評論的文章給我。長尾內容也比以前做得好，非以熱門論英雄。（問題是很多作者的鑒賞力有限，會積極分享文章到朋友圈的人，也許就是那波容易受熱門文章影響，且鑒賞力不夠，喜歡分享文章對自己進行標榜的人。所以現(xiàn)在分享文章到朋友圈的讀者少了，分享自己的文章的頻率較之前差不多。）
10.人工評估系統(tǒng)，facebook的案例
有三個部分：一對一用戶訪談，外包團隊做的千量級的人工評估，面向普通用戶的萬量級在應用內投放的問卷。
形式如下：
（1）給出兩篇內容，讓用戶進行點對點的對比。
（2）給出單篇內容提供打分選項，建議用戶從內容和自身偏好的相關性、內容的信息量等角度給予1-5分的評分。
（3）給出開放性問題來收集用戶對自己信息流的反饋。
PS：問人工評估過程中選取的文章是如何選??？
我猜想兩種方式，一是用戶看過的文章，二是根據(jù)不同算法推薦出來的兩篇文章，看哪種算法更好。
11.用戶畫像數(shù)據(jù)分為靜態(tài)和動態(tài)數(shù)據(jù)
- 靜態(tài)數(shù)據(jù)：用戶獨立于場景之外的屬性，如性別、年齡、婚姻、常住地址、教育程度等
- 動態(tài)數(shù)據(jù)：用戶在產(chǎn)品場景中產(chǎn)生的顯式和隱式行為，顯式行為如點贊、評論、收藏、分享、關注等，隱式行為，如停留頁面時長、點擊頁面次數(shù)、用戶操作行為軌跡等，通常顯式的行為權重高于隱式的行為，因為顯式行為比較少，需要隱式行為作為補充。
12.內容冷啟動階段，推薦系統(tǒng)更依賴于內容本身固有屬性，可分為內容展現(xiàn)緯度和內容消費緯度。
- 內容展現(xiàn)緯度：列表頁展現(xiàn)給用戶的信息，如標題、封面和發(fā)布時間等
優(yōu)化：
根據(jù)內容不同，探尋面對不同人群的更適合的表現(xiàn)形式，對于一篇文章，圖文展現(xiàn)比純標題文字展現(xiàn)效果好，對于一個視頻，全屏展示視頻瀑布流比較好。
- 內容消費緯度：包含作者層內容消費緯度（作者的粉絲群體更應該看到該作者的新內容，一個過往表現(xiàn)更好的作者可以得到更高的冷啟動推薦量；內容層內容消費緯度是指分類信息、關鍵詞、命中的實體和話題等，用于判斷內容與用戶的偏好是否匹配。）
優(yōu)化：
一方面，挖掘完善不同內容的特征，比如對視頻而言，時長、畫面清晰度均可成為補充特征；對短內容而言，冷啟動階段，放大作者的權重，優(yōu)先推薦給其粉絲群體。
另一方面，引導作者完善內容信息，如給視頻增加簡介、標注，選擇自定義封面而非視頻截圖，而且封面最好和標題、內容相匹配。平臺提供雙標題、雙封面等功能，幫助創(chuàng)作者更好的傳播自己的內容。
PS:避開超流量話題，比如雙十一和鹿晗戀情等流量黑洞。
13.圖文載體可供系統(tǒng)分析的信息相對豐富，可以統(tǒng)計文章詞頻，分析內容。對視頻載體或短內容來說，由于文本信息匱乏，系統(tǒng)會更傾向于從標題、描述、作者緯度來預估點擊率和內容質量，也由于標題的誤導，導致好的內容沒有得到合適的曝光。
14.所以，我們還有隱私嗎？完全被通訊錄留了電話的人出賣了也不知道。
15.冷啟動階段，推薦技術的本質是留住用戶，不斷推薦用戶喜歡的內容。產(chǎn)品的主場景留住用戶，產(chǎn)品的增值場景可以追求用戶興趣探索，除了用戶關注的內容，還會穿插部分擴展推薦性質的內容。經(jīng)歷過冷啟動后，已實現(xiàn)用戶留存，推薦系統(tǒng)需要犧牲短期點擊率來探索用戶更廣泛的興趣，從而獲得用戶長期留存率提升。
16.內容供應層面，不斷引入更多內容品類和品牌，同時設置首頁展示或廣告位（即生推），幫助這類內容通過探索，快速找到基礎用戶。生推適合大品類、受眾廣、大規(guī)模生產(chǎn)的內容，不適合容易引起爭議和讓人反感的內容。
生推前，基于專家判斷制定簡單的人群定向規(guī)則，用規(guī)則引導新品類、新品牌的加權分發(fā)，將全人群的強展示轉為特定人群的強展示，從而換取更高的點擊率。
17.只要用戶停留足夠長，用戶的興趣探索就越完善。應對小眾興趣，一是擴充系統(tǒng)的資源地，二是通過產(chǎn)品設計，鼓勵用戶進行強表達行為（關注、收藏）發(fā)現(xiàn)更多興趣模塊。
PS:一次關注行為比一次點擊行為更加經(jīng)得起長時間的衰減。
18.冷啟動階段，作者占很大的權重，所以對作者的評價體系要合理可信。頭條號有原創(chuàng)度、健康度、垂直度、關注度和傳播度。
19.對原創(chuàng)的保護是各平臺的共識和基礎建設。微信公眾號的原創(chuàng)標識、轉載跳轉到原文，今日頭條檢測23個平臺，系統(tǒng)6小時內完成檢測，抓取疑似侵權鏈接，交于第三方幫助作者實現(xiàn)維權。
平臺要建立揚善的正面引導，懲惡樹立平臺規(guī)則，比如打擊**公告，公布被打擊的名單等。（與我的觀點不謀而合）。
20.常見的推薦問題
-
推薦重復
3
4
最后一種情況，分別推薦即可。
【建議解釋頭條號的雙封面和雙標題權限】就是同一個產(chǎn)品擁有兩個版本的封面，用兩種不同的方式來表達同一個內容。 如同一本書，正反兩面都是封面。
針對B類情況，意味著同一個用戶，未點擊同一個內容的第一個標題和封面，系統(tǒng)會把第二個標題和封面推薦給他，提高內容的曝光率，也不會增加用戶一看列表頁覺得重復的暴走感。
［真的很有腦洞?。?/p>
- 推薦密集
造成原因是短期熱點+對用戶興趣點理解不夠，故而密集推薦。
之前就遇到過某個作者內容霸屏的情況，采用不同緯度打散的規(guī)則。比如一個讀者關心財經(jīng)和體育，關注了樊剛、虎撲和網(wǎng)易運動欄目，正在NBA期間，采取多維規(guī)則前：
NBA 虎撲
NBA 2 虎撲
湖人 虎撲
NBA 網(wǎng)易運動欄目
湖人 網(wǎng)易運動欄目
六個紅包 樊剛
買房打臉言論 樊剛
改變規(guī)則后：
NBA 虎撲
湖人 網(wǎng)易運動欄目
六個紅包 樊剛
NBA 2 虎撲
買房打臉言論 樊剛
NBA 網(wǎng)易運動欄目
湖人 虎撲
看列表，視覺的密集感下降了。
21.易反感內容
- 題材問題：恐怖血腥類、神鬼類、迷信類等
- 質量問題：根據(jù)用戶點擊后迅速退出、舉報、負面評論等判斷
對這類內容進行收集和標注，為模型訓練做準備，研發(fā)識別模型，產(chǎn)品經(jīng)理對模型的準確度和召回度進行評估：
- 強化閱讀體驗，重視讀者：重視召回率，寧錯刪不漏刪。
- 強化作者體驗，重視文章：適當降低置信度，或者增加人工復審撈回流程。
對易反感內容，用戶不點擊，則敏感內容應推遲多個周期后才推薦。
22.關于好內容的標準
23.機器學習大面積取代人工判斷的時代到來，產(chǎn)品經(jīng)理要干嘛？訓練機器。
- 設定目標：
- 指定保底方案：現(xiàn)在首頁的文章出現(xiàn)不少廣告之類，還可以通過人工審核或用戶舉報
- 發(fā)現(xiàn)問題：比如大家反應出現(xiàn)的推薦字數(shù)很少的內容，設定修正目標，比如內容至少要多于多少字，多哪些內容可以豁免。
24.有價值用戶長期留存
【誰在付費？打賞、購買課程、充值會員的。以及哪些作者引起了用戶的這種行為?！?/p>
25.好的個性化需要克制，引入更多緯度的人工評估進行決策權衡，以可量化的短期指標損失來保證不能輕易量化的消費體驗。
26.同樣是好內容，有些人是在寫藝術品，有些人寫消費品。
所以有些寫作課，有人覺得low，可能是他在寫藝術品，看不上寫消費品的作者教授的方法。
27.影響內容的第一次打開率的最直接的因素：
- 活躍粉絲數(shù)量
- 內容包裝好壞
標題和封面即包裝。咪蒙說：“不能一秒看懂的標題，不適合傳播”。用詞斟酌過，沒有用好和壞等詞來形容，堅持我一以貫之的價值觀，一秒看懂的標題簡單+直白+有G點。
占據(jù)流量太久的甲方，換到乙方?jīng)]法干活了。在人工選擇階段，會控制標題黨，在算法分發(fā)的情況下，就靠用戶自己用腳投票了。
自媒體成為標題黨，是因為懂得他們在做內容快消品的生意。而平臺控制標題黨，是為了保證用戶的閱讀體驗，有如下方法：
- 用爛的+廣告法規(guī)定的，設立規(guī)則直接禁
- 歧義、蹭名人，借助用戶反饋發(fā)現(xiàn)
- 基于作者過往的歷史，提供不同授信空間
寫一秒就懂的標題和有內涵的標題，在技能圖譜中，屬于不同的象限。
28.REO(Recommend Engine Optimization)機器推薦優(yōu)化
- 文字：正常寫作即可，涉及英文內容，補充對應中文譯名
- 圖文：增加熱門關鍵詞，騙過推薦系統(tǒng)進行推薦，早期OK，一旦相應的識別規(guī)則上線，將直接影響對應自媒體賬號的可信度
- 視頻：現(xiàn)有技術可做基于幀的圖片分析或音軌分析，但未大規(guī)模應用。寫好內容介紹即可，不過分追求標題的精妙，直白的概括內容關鍵即可。
自媒體關注推薦系統(tǒng)的長期利益訴求，成為一個系統(tǒng)信賴的品牌。
與平臺運營者保持良好溝通，加入官方的運營群和核心功能測試時積極反饋使用感受等。
29.關于活動拉新
實物禮品用于鼓勵已有活躍的老粉絲，虛擬禮品用于激活和拉新。
30.用戶對內容消費意圖，分為功利性訴求（通過考試和學知識）和非功利性訴求（長見識）。
能提高工作效率或收入的知識和經(jīng)驗最被用戶認可，有63.3%的人愿意付費。有關職業(yè)與學業(yè)的發(fā)展建議，我有40%的付費意愿。內容產(chǎn)品的功利性是包裝方向，付費內容一定可以解決的是聽者的自我焦慮感。
人們只會對自己覺得對自己有價值、超預期的內容付費。
