漫游第40篇讀書筆記
“創(chuàng)作的繁榮、載體的多元、分發(fā)的進化，內(nèi)容信息消費在快速的發(fā)展和迭代過程中，但一定有可以讓我們慢下來的東西——那是內(nèi)容的核。”——閆澤華
大家好，我是漫游。
今天和您分享的是《內(nèi)容算法：把內(nèi)容變成價值的效率系統(tǒng)》，作者閆澤華。
什么是內(nèi)容推薦算法？
“信息繭房”是算法之過嗎？
為什么你的文章閱讀量很低？
關于本書
信息爆炸的時代，我們每一個人都是內(nèi)容的消費者。打開手機APP，為什么你看到的是體壇賽況，而我看到的是影視娛樂？為什么別人的文章閱讀量10萬+，而我的只有幾十個？這背后是內(nèi)容推薦系統(tǒng)的匹配與算法分發(fā)結(jié)果。
我們大多數(shù)人并不了解推薦算法的運作邏輯，因此多少都會心存成見與誤解，比如標題黨、內(nèi)容Low、信息繭房等等。本書作者具有互聯(lián)網(wǎng)從業(yè)者和自媒體創(chuàng)作者雙重從業(yè)經(jīng)驗，通過產(chǎn)品經(jīng)理、自媒體兩個角度，他為外行人系統(tǒng)介紹了內(nèi)容推薦的系統(tǒng)架構(gòu)、算法迭代、平臺應用，以及自媒體的變現(xiàn)與發(fā)展路徑。
斷物識人：內(nèi)容推薦算法的起點
推薦是特定場景下人和信息更有效率的連接。首先算法系統(tǒng)要對內(nèi)容、對用戶進行識別，作者用“物以類聚，人以群分”描述這個過程，最簡單的識別方式就是“貼標簽”。
標簽是我們對多維事物的降維理解，抽象出事物更具有表意性、更為顯著的特點。不同于分類的樹狀體系，標簽是網(wǎng)狀的，而且靈活性強，既可以通過平臺的專家系統(tǒng)產(chǎn)出，也能夠依靠普通網(wǎng)友生成。
對于內(nèi)容，以音樂網(wǎng)站為例，可以按照流行、古典、民族、搖滾、民謠等流派標簽進行識別，還可以依據(jù)跑步、自習、睡眠等場景標簽進行區(qū)分。對標簽難以準確表意和概括的領域，算法系統(tǒng)會通過聚類的方式進行描述，以便對內(nèi)容進行準確識別。
對人的識別是“用戶畫像”，更直白說就是給目標用戶貼標簽的過程。我們填寫的注冊信息，搜索輸入的每一個關鍵詞，每一次的點擊和觀看習慣，以及點贊、收藏、評論和轉(zhuǎn)發(fā)，都是系統(tǒng)中用戶畫像數(shù)據(jù)的來源。
內(nèi)容和用戶的識別只是開始，更重要的是物與人的匹配。
內(nèi)容分發(fā)：連接內(nèi)容與人
內(nèi)容分發(fā)的方式主要有三種：編輯（中心人工主導）分發(fā)、算法（機器主導）分發(fā)、社交（離散人工主導）分發(fā)，三種方式各有千秋。
編輯分發(fā)的優(yōu)勢在于依靠編輯的專業(yè)性，完成從海量內(nèi)容到有限展示位的過濾和篩選，內(nèi)容的平均質(zhì)量相對較高。但人工的判斷難免出現(xiàn)偏差，“叫好不叫座”的情況時有發(fā)生。
算法分發(fā)的引入，實現(xiàn)了“千人千面”的效果，展示位數(shù)量得到極大擴展?，F(xiàn)實中，平臺采用人工+機器的分發(fā)方式，內(nèi)容審查、質(zhì)量評估、推送范圍、推送級別等環(huán)節(jié)仍然依靠編輯和審核團隊的把控與決策。
社交媒體廣泛應用后，內(nèi)容的分發(fā)逐漸去中心化，每一個人都成為編輯，成了內(nèi)容分發(fā)的中心。但社交分發(fā)也出現(xiàn)新的問題，比如流量逐漸被大V、營銷號壟斷，流量獲取的成本劇增；內(nèi)容質(zhì)量逐漸下降，朋友圈一度充斥著各種微商廣告、轉(zhuǎn)發(fā)集贊、打卡/曬娃貼。
各大平臺也因此不斷升級各自的分發(fā)算法，通過調(diào)整各影響因素的不同權重，優(yōu)化內(nèi)容排序，對低質(zhì)或過度傳播的信息進行降頻過濾等等手段，實現(xiàn)匹配效率和質(zhì)量的優(yōu)化，從而提升用戶的使用體驗。
算法是基于我們對現(xiàn)實世界的理解進行的抽象和建模，編輯、社交因素都可以轉(zhuǎn)化為算法推薦的參考因素。從這個角度看，算法分發(fā)可以說是內(nèi)容分發(fā)的終極解決方案。
現(xiàn)實中，各平臺采用多分發(fā)融合的模式：依賴中心化編輯引導和干預，依靠去中心化用戶生產(chǎn)傳播，應用機器學習提升效率。對此，作者的觀點是：多分發(fā)方式的融合一定是未來分發(fā)的主流。
信息繭房：推薦算法不背這個鍋
當前內(nèi)容分發(fā)全面進入推薦分發(fā)時代，然而現(xiàn)實中，輿論卻時不時對其口誅筆伐，比如公眾對于標題黨的抱怨，對身處“信息繭房”的擔憂。但作者指出，推薦算法不該背這個鍋。
標題黨是最近才出現(xiàn)的嗎？其實不然，標題黨的鼻祖可追溯至1985年出版的《知音》。作者列舉了幾個知音文章的標題，其中之一是《再大的恨放下吧，喚醒前夫贏得親情一片天》（2007年第35期）。品一品，是不是熟悉的味道？
在大量依賴政府撥款補貼的期刊中，《知音》依靠零售市場自負盈虧，一度成為全球前五強的大刊，發(fā)行量常年穩(wěn)居中國雜志發(fā)行第一，月銷量一度達到700萬份。
“信息繭房”一詞來自于哈佛大學法學院教授、美國前總統(tǒng)奧巴馬的法律顧問凱斯·桑斯坦2006年的著作《信息烏托邦——眾人如何生產(chǎn)知識》。 桑斯坦在書中指出：在信息傳播中，由于公眾對自身的信息需求并非全面，公眾只注意自己選擇的東西和使自己愉悅的領域，久而久之，會將自身桎梏于像蠶繭一般的“繭房”之中。
紙媒時代，我們同樣根據(jù)個人喜好來訂閱報紙和期刊，有人讀《知音》，有人看《人民日報》，它們也構(gòu)成一個個“繭房”。不論是紙媒時代的銷量，還是網(wǎng)媒時代的閱讀量，都是用戶主動選擇的結(jié)果。
推薦系統(tǒng)是一個會極度放大優(yōu)缺點的系統(tǒng)，因此也極大地放大了我們對信息繭房的擔憂情緒。但正如書中所言，就算你跳得出算法分發(fā)，也跳不出社交分發(fā)；跳得出社交分發(fā)，也跳不出自己的認知選擇邊界。“繭房”始終存在，真正過濾你的，是你的認知泡泡。
冷啟動：決定一篇內(nèi)容的命運
什么是冷啟動？一篇新內(nèi)容對推薦系統(tǒng)來說是完全陌生的，系統(tǒng)需要收集一定的曝光量和互動量（閱讀、評論、分享等）等基礎數(shù)據(jù)來進行后續(xù)的推薦。通過探索性展示，推薦系統(tǒng)完成從0到1基礎數(shù)據(jù)的積累過程，這就是冷啟動，其效果的好壞直接關系到后續(xù)的分發(fā)推薦。
在冷啟動過程中，如果內(nèi)容沒能得到足夠的正面反饋（點擊、閱讀、互動），系統(tǒng)就會認為這個內(nèi)容是不受歡迎的，為了控制負面影響，會逐步降低推薦量，也即冷啟動失敗；反之，內(nèi)容會被推薦系統(tǒng)快速放大，推薦量逐步提升，就可能成為爆款。于是有了“冷啟動決定一篇內(nèi)容的命運”的說法。
通過前文，不難理解內(nèi)容推薦流程中存在兩個關鍵節(jié)點：一是系統(tǒng)能夠準確識別；二是成功通過冷啟動。各平臺給自媒體小白的新手教程里，都會提到兩個重要因素：標題、封面。
過機器這關，標題、封面就要易于機器識別和理解，諸如用詞避免歧義，使用英文要附中文解釋等技巧，需要創(chuàng)作者學習掌握。
對于冷啟動的考驗，由于“用戶只給你1秒鐘”，好的標題和封面便是關鍵。因此作者建議：如果點擊率太差，別廢話，回爐改封面和標題去。
因為冷啟動的關鍵作用，各平臺也開發(fā)了一些工具來提高冷啟動的成功率，比如雙標題、雙封面。有數(shù)據(jù)顯示，同樣內(nèi)容在不同標題+封面下，點擊率有很大的差異。雙標題、雙封面就是兩次冷啟動的機會，創(chuàng)作者要充分利用平臺提供的這些功能。
一篇內(nèi)容既要服務于機器，也要服務于人，只有這樣，你的內(nèi)容才能夠在推薦系統(tǒng)中獲得良好的分發(fā)量。當然，通過冷啟動只是第一步，后面還有閱讀體驗和運營水平的較量。
作者也是一名自媒體從業(yè)者，對于自媒體如何運營、如何變現(xiàn)、如何成長進化等話題，他結(jié)合案例進行了一一介紹，但限于本書體量，并不深入，權當入門了解。
結(jié)語
在《內(nèi)容算法》中，作者從推薦系統(tǒng)和自媒體兩個角度，介紹了內(nèi)容推薦算法的迭代應用與自媒體的發(fā)展。不管是平臺從業(yè)者、自媒體創(chuàng)作者，還是內(nèi)容消費者，都能對隱藏在界面背后復雜且精密的內(nèi)容推薦算法加深了解。
創(chuàng)作的繁榮、載體的多元、分發(fā)的進化，內(nèi)容信息消費在快速的發(fā)展和迭代過程中。但正如作者所言，一定有可以讓我們慢下來的東西——那是內(nèi)容的核。
