在信息爆炸的移動(dòng)互聯(lián)網(wǎng)時(shí)代，人如何更高效的接收有價(jià)值的信息成為重要的問題。在連接內(nèi)容和內(nèi)容消費(fèi)者之間的內(nèi)容分發(fā)，成為其中重要的一環(huán)。
內(nèi)容分發(fā)本質(zhì)要解決的問題包含兩點(diǎn)：高效的連接人與信息；過濾出有價(jià)值的信息，讓合適的人看到合適的信息。當(dāng)然影響效率還包括內(nèi)容聚合方式、內(nèi)容形態(tài)本身等，暫且不談。
什么叫高效的連接呢？從海量信息中過濾出少量信息，消費(fèi)者的信息接收量能由大變小；用戶接收信息的操作成本變小。
什么叫有價(jià)值的信息呢？信息主題是用戶感興趣的；有一定信息質(zhì)量，即有用。
目前內(nèi)容產(chǎn)品的內(nèi)容分發(fā)方式主要有四種：算法推薦、社交推薦、搜索、編輯推薦，本文主要談?wù)勥@社交分發(fā)、算法推薦這兩種分發(fā)方式的優(yōu)劣勢及適用邊界。
一、社交分發(fā)
社交分發(fā)依托的是關(guān)系鏈機(jī)制，你關(guān)注的對象決定你能看到什么，一般產(chǎn)品都會(huì)有專門【關(guān)注】的信息流，沉淀你關(guān)注用戶的信息，比如微信的好看。
社交分發(fā)的好處是通過朋友認(rèn)識到世界的多樣性，而不是永遠(yuǎn)陷在自己單一的喜好中；內(nèi)容產(chǎn)品的基礎(chǔ)是一批可以聚合用戶的內(nèi)容，用戶的關(guān)系鏈基于內(nèi)容建立，同時(shí)也反作用于關(guān)系鏈的，物以類聚、人以群分，基于朋友感興趣的內(nèi)容，用戶之間更容易產(chǎn)生互動(dòng)，從而加強(qiáng)了關(guān)系鏈；單個(gè)內(nèi)容的影響力更容易被放大，當(dāng)很多個(gè)朋友都在轉(zhuǎn)發(fā)評論同一個(gè)內(nèi)容時(shí)，你查看這個(gè)內(nèi)容的可能性更大。
某產(chǎn)品大佬說社交分發(fā)能讓接收到的內(nèi)容質(zhì)量的提升，我覺得是偽命題，首先內(nèi)容質(zhì)量是恒定不變的，只能在內(nèi)容上游干預(yù)。其次，社交分發(fā)是基于關(guān)系鏈分發(fā)的，也就意味著如果你的朋友發(fā)了一些質(zhì)量不高的內(nèi)容，你還是能接收到質(zhì)量不高的內(nèi)容。
社交分發(fā)的缺點(diǎn)是不可避免的會(huì)打上社交的烙印，你可能會(huì)推薦一些強(qiáng)化你的人設(shè)的內(nèi)容，而不是一些單純從內(nèi)容的角度來看你認(rèn)為特別好的內(nèi)容；社交壓力大，尤其對于熟人社交產(chǎn)品更是如此；受從眾心理影響，以訛傳訛，謠言擴(kuò)散也更容易，對于媒體產(chǎn)品尤為明顯；依賴于關(guān)注關(guān)系分發(fā)，內(nèi)容時(shí)效性較弱。
社交分發(fā)適用于什么產(chǎn)品？社交分發(fā)的主戰(zhàn)場還是社交產(chǎn)品，如陌陌、微信、soul，其次是作為內(nèi)容產(chǎn)品的補(bǔ)充，強(qiáng)化社交關(guān)系鏈。
二、算法分發(fā)
算法分發(fā)則是信仰程序，讓機(jī)器琢磨你的興趣和偏好，然后給你推送內(nèi)容，比如頭條。算法推薦主要有5種方式：
基于內(nèi)容推薦：這是基于用戶個(gè)人興趣的推薦。根據(jù)用戶個(gè)體的歷史行為，計(jì)算對內(nèi)容特征的偏好程度，進(jìn)而推薦出與用戶特征偏好匹配的內(nèi)容。
協(xié)同推薦：這是基于群體的推薦?；谟脩舻南嗨贫取?nèi)容的共現(xiàn)度，以及基于人口特征將用戶聚集為不同群體來推薦。
擴(kuò)展推薦：基于用戶興趣點(diǎn)、內(nèi)容類別等擴(kuò)展。
新熱推薦：基于全局內(nèi)容的時(shí)效性、熱度推薦。
環(huán)境特征：基于地域、時(shí)間、場景等推薦。
算法分發(fā)的優(yōu)點(diǎn)體現(xiàn)在用戶更容易獲得有價(jià)值的信息，因?yàn)榛谂d趣推薦，是用戶感興趣的可能性更高；內(nèi)容匹配的效率進(jìn)一步提升，因?yàn)樯缃环职l(fā)還是有一定延后性，而算法分發(fā)實(shí)時(shí)性更強(qiáng)，比如對新聞資訊來說，只有你關(guān)注的用戶發(fā)布了這個(gè)內(nèi)容你才知道，對于算法來說你關(guān)注了這個(gè)方向的新聞就會(huì)推送給你。
缺點(diǎn)是導(dǎo)致信息繭房效應(yīng)，讓用戶容易陷入狹隘的世界觀，算法喜歡什么，它就會(huì)生產(chǎn)什么；此外內(nèi)容把控成本更大，算法的局限性在于不能很好判斷內(nèi)容質(zhì)量如何，并且推薦的內(nèi)容量更大，需要人工審核成本就更高。
算法推薦適用于什么產(chǎn)品？內(nèi)容生產(chǎn)量大、內(nèi)容制作相對簡單、內(nèi)容消費(fèi)短平快的高周轉(zhuǎn)產(chǎn)品更適合，比如新聞資訊產(chǎn)品、短視頻產(chǎn)品，以用戶興趣出發(fā)的算法推薦決定了這樣的產(chǎn)品更適合讓用戶多次消費(fèi)來消磨時(shí)間。對于長視頻來說，如電視劇，制作周期長、生產(chǎn)成本高，除了用戶興趣，更重要的是考慮人物IP、出版方等等，強(qiáng)調(diào)用戶一次決策后的沉浸式體驗(yàn)。
以上就是內(nèi)容分發(fā)的主要模式，歡迎一起學(xué)習(xí)交流。
