對(duì)于算法分發(fā)很多人會(huì)有所誤解，這或許源自遠(yuǎn)觀而缺乏了解，才會(huì)覺得算法猛如虎。而當(dāng)你走近了算法分發(fā)，有了一定的了解之后，可能會(huì)有重新的認(rèn)知：算法如虎，細(xì)嗅薔薇。

一、算法分發(fā)知多少？

盡管算法分發(fā)中應(yīng)用了各種高深的算法，但其基礎(chǔ)原理卻是樸素的：更好地了解待推薦的內(nèi)容，更好地了解要推薦給的人，才能更高效的完成內(nèi)容與人之間的對(duì)接。

從這個(gè)角度來看：斷物識(shí)人，是一切推薦行為的起點(diǎn)。

對(duì)于斷物識(shí)人，我們可以將它理解為打標(biāo)簽的過程。標(biāo)簽是對(duì)高維事物的降維理解，抽象出了事物更具有表意性、更為顯著的特點(diǎn)。在不同的業(yè)務(wù)場(chǎng)景下，我們會(huì)選擇不同的標(biāo)簽進(jìn)行使用，來對(duì)內(nèi)容和用戶進(jìn)行標(biāo)注。

在內(nèi)容畫像層面，以音樂為例，最典型的有兩種標(biāo)簽產(chǎn)出的方式：

• 專家系統(tǒng)：潘多拉(Pandora)的音樂基因工程（Music Genome Project）。在這項(xiàng)工程中，歌曲體系被抽離出450個(gè)標(biāo)簽，細(xì)化到如主唱性別、電吉他失真程度、背景和聲類型等等。每一首歌曲都會(huì)被經(jīng)由工作人員耗時(shí)30分鐘左右，有選擇性標(biāo)注一些標(biāo)簽，并以從0到5的分值代表這一標(biāo)簽的表征程度。

• UGC產(chǎn)出：在豆瓣，給音樂打標(biāo)簽的活則從專家產(chǎn)出，轉(zhuǎn)為了普通網(wǎng)友貢獻(xiàn)。群體的力量為豆瓣積累了大量具有語(yǔ)義表意性的標(biāo)簽。當(dāng)然，由于用戶的多樣性和編輯的開放性，用戶標(biāo)簽系統(tǒng)需要經(jīng)過特定的清洗和歸一化才能投入使用。

在用戶畫像層面，可以分為靜態(tài)和動(dòng)態(tài)兩部分。

用戶畫像中靜態(tài)的部分比較好理解，即你的設(shè)備信息、地理位置、注冊(cè)信息等等，這些可以被理解為是業(yè)務(wù)無關(guān)的信息。具體到業(yè)務(wù)場(chǎng)景中，用戶產(chǎn)生了更多的行為，就生成了業(yè)務(wù)相關(guān)的動(dòng)態(tài)信息，即利用人的各種顯式和隱式行為來對(duì)用戶的偏好性進(jìn)行的猜測(cè)。

以知乎讀書會(huì)為例，你的顯式行為是點(diǎn)擊、收聽、評(píng)分、評(píng)論等等；隱形行為則是收聽完成度、是否有拖拽快進(jìn)、頁(yè)面停留時(shí)長(zhǎng)等等。

通常，由于顯式行為不夠豐富，我們往往需要使用隱式行為來擴(kuò)充我們對(duì)于用戶的理解。完播率、是否快進(jìn)、詳情頁(yè)停留時(shí)長(zhǎng)等指標(biāo)，都會(huì)被系統(tǒng)統(tǒng)計(jì)，用來判斷你是否真的喜歡某個(gè)人的講解、喜歡某本書的內(nèi)容。

在內(nèi)容畫像的部分，可以看到一篇文章通過文本分析進(jìn)行了一級(jí)和二級(jí)分類，并抽取出文章內(nèi)的關(guān)鍵字、實(shí)體詞，進(jìn)一步的還會(huì)通過聚類的方式，將這篇文章與其相似的內(nèi)容聚成一個(gè)簇類。之所以會(huì)有聚類，是因?yàn)閷＜蚁到y(tǒng)的分類體系一定是對(duì)于變化不敏感的，響應(yīng)不及時(shí)的，而聚類能夠挖掘出更多內(nèi)容的隱含信息。

在用戶畫像的部分：

“今日頭條常用的用戶標(biāo)簽包括用戶感興趣的類別和主題、關(guān)鍵詞、來源、基于興趣的用戶聚類、各種垂直興趣特征、以及性別、年齡、地點(diǎn)等信息。性別信息通過用戶第三方社交賬號(hào)登錄得到。年齡信息通常由模型預(yù)測(cè)，通過機(jī)型、閱讀時(shí)間分布等預(yù)估。常駐地點(diǎn)來自用戶授權(quán)訪問位置信息，在位置信息的基礎(chǔ)上通過傳統(tǒng)聚類的方法拿到常駐點(diǎn)。常駐點(diǎn)結(jié)合其他信息，可以推測(cè)用戶的工作地點(diǎn)、出差地點(diǎn)、旅游地點(diǎn)。這些用戶標(biāo)簽非常有助于推薦?！?/span>

（摘錄自今日頭條推薦算法原理全文詳解——曹歡歡博士）

內(nèi)容畫像和用戶畫像，是一個(gè)相互影響的循環(huán)系統(tǒng)。

內(nèi)容畫像決定人的畫像，自然是最容易理解的。在音樂場(chǎng)景下，你收聽、收藏、評(píng)分了很多爵士類的音樂，那么系統(tǒng)就會(huì)判定為你是一個(gè)喜歡爵士音樂的用戶。在讀書的場(chǎng)景下，你閱讀、收聽了哪些書籍，哪些書籍聽完了、哪些書籍重復(fù)收聽了很多遍，都會(huì)影響系統(tǒng)中，你的用戶畫像。

因此，“你的選擇決定你的畫像”可以說絲毫不為過。

而反過來，人的畫像也會(huì)影響內(nèi)容的畫像。我們可以看作是基于用戶的行為，對(duì)內(nèi)容做出的后驗(yàn)投票。在一個(gè)大體量的視頻上傳體系里，我們基本放棄了依賴人工打標(biāo)簽的方式，而轉(zhuǎn)而利用用戶的播放行為來試圖猜測(cè)內(nèi)容屬于哪一類。

一個(gè)典型的Case：死神來了。看標(biāo)題的文本信息，最大概率就是一部電影，但事實(shí)上觀看這個(gè)視頻的大面積是喜歡獵奇類視頻的用戶，深挖內(nèi)容才會(huì)知道，這其實(shí)是一個(gè)車禍視頻集錦。

二、協(xié)同過濾，應(yīng)用群體智慧

如前所述，標(biāo)簽是我們對(duì)事物的抽象理解，那有沒有一種方式能夠讓我們放棄標(biāo)簽?zāi)?？以人的行為來?biāo)記內(nèi)容，這就是協(xié)同過濾的基礎(chǔ)思想。舉一個(gè)生活中的場(chǎng)景：初次為人父母，“無證上崗”的新手爸媽們內(nèi)心是激動(dòng)而又惶恐的。打聽，成了他們育兒的重要法寶之一?！澳慵覍殞氂玫氖鞘裁淬逶∫喊　⒛銈冇袥]有上什么早教班啊…”親子群中，無時(shí)無刻不在發(fā)生這樣的討論，這樣的討論也構(gòu)成大家后續(xù)消費(fèi)決策的主要因素之一。

這種基于人和人之間的相互推薦固然是弱社交關(guān)系分發(fā)的一種形態(tài)，但是促成大家有價(jià)值信息交換和購(gòu)買轉(zhuǎn)化的，其實(shí)是人和人之間的相似點(diǎn)：為人父母、擁有相似的價(jià)值觀和消費(fèi)觀。

把用戶的消費(fèi)行為作為特征，以此進(jìn)行用戶相似性或物品相似性的計(jì)算，進(jìn)行信息的匹配，這就是協(xié)同過濾(Collaborative Filtering)的基礎(chǔ)思想。

協(xié)同推薦可以分為三個(gè)子類：

• 基于物品（Item-based）的協(xié)同

• 基于用戶（User-based ）的協(xié)同

• 基于模型（Model-based）的協(xié)同

1.基于用戶的協(xié)同

即切合了上面的例子，其基礎(chǔ)思路分為兩步：找到那些與你在某一方面口味相似的人群（比如你們都是新手爸媽，傾向于同一種教育理念），將這一人群喜歡的新東西推薦給你。

2.基于物品的協(xié)同

其推薦的基礎(chǔ)思路是：先確定你喜歡物品，再找到與之相似的物品推薦給你。只是物品與物品間的相似度不是從內(nèi)容屬性的角度衡量的，而是從用戶反饋的角度來衡量的。使用大規(guī)模人群的喜好進(jìn)行內(nèi)容的推薦，這就是在實(shí)際工程環(huán)境里，各家公司應(yīng)用的主流分發(fā)方式。

3.基于模型的協(xié)同

是應(yīng)用用戶的喜好信息來訓(xùn)練算法模型，實(shí)時(shí)預(yù)測(cè)用戶可能的點(diǎn)擊率。比如，在Netflix的系統(tǒng)中就將受限玻爾茲曼機(jī)（Restricted Boltzmann Machines, RBM）神經(jīng)網(wǎng)絡(luò)應(yīng)用于協(xié)同過濾。將深度學(xué)習(xí)應(yīng)用于基于模型的協(xié)同，也成為了業(yè)界廣泛使用的方式。

以協(xié)同的方式，通過用戶行為的聚類發(fā)現(xiàn)許多隱層的連接。

以讀書會(huì)的場(chǎng)景為例，我們邀請(qǐng)不同的名家來領(lǐng)讀書籍。從領(lǐng)讀人的角度，更容易直觀的將同一領(lǐng)讀人的作品視作一個(gè)聚類，比如馬家輝老師領(lǐng)讀的《對(duì)照記》、《老人與海》兩本書，通過人工預(yù)判的前置規(guī)則，我們很容易將這兩本領(lǐng)讀書音頻推薦給同一類用戶。

但是，通過協(xié)同的方式，我們會(huì)發(fā)現(xiàn)喜歡馬家輝老師領(lǐng)讀作品的用戶，同時(shí)也會(huì)喜歡楊照老師領(lǐng)讀的《刺殺騎士團(tuán)長(zhǎng)》一書。這種聯(lián)系，是很難通過標(biāo)簽信息發(fā)現(xiàn)的，只有通過用戶的行為選擇，才會(huì)建立聯(lián)系，提升內(nèi)容和用戶之間連接與匹配的效率。

三、從冷到熱：內(nèi)容和用戶在分發(fā)中的生命周期

作為連接內(nèi)容與人的推薦系統(tǒng)，無時(shí)無刻不在面對(duì)著增量的問題：增量的用戶，增量的內(nèi)容。

新的用戶、新的內(nèi)容對(duì)于推薦系統(tǒng)來說都是沒有過往信息量積累的、是陌生的，需要累積一定的曝光量和互動(dòng)量（閱讀、分享等）來收集基礎(chǔ)數(shù)據(jù)。這個(gè)從0到1積累基礎(chǔ)數(shù)據(jù)的過程就是冷啟動(dòng)，其效果的好壞直接關(guān)系到用戶端、作者端的滿意度和留存率。

如果我們假設(shè)一篇新內(nèi)容要經(jīng)過100次閱讀才能夠得到相對(duì)可信的內(nèi)容畫像，新用戶同樣需要完成100次閱讀之后才能夠建立起可用的用戶畫像。那么一個(gè)最直觀的問題就是：怎么樣達(dá)成這100次有效的閱讀？這就是冷啟動(dòng)面臨的問題。下面我們從內(nèi)容和用戶兩個(gè)維度來分別論述。

在推薦系統(tǒng)中，通過分析一篇內(nèi)容的標(biāo)題、關(guān)鍵字來確定要向哪個(gè)目標(biāo)人群進(jìn)行探索性展示，借由探索性展示完成了從0到1的用戶反饋積累過程。在這個(gè)冷啟動(dòng)過程中，如果沒能得到足夠正面的用戶反饋（點(diǎn)擊行為和閱讀體驗(yàn)），系統(tǒng)就會(huì)認(rèn)為這篇內(nèi)容是不受歡迎的，為了控制負(fù)面影響，就會(huì)逐步降低這篇內(nèi)容的推薦量。

反之，如果內(nèi)容在冷啟動(dòng)過程中順利找到了自己的目標(biāo)人群，收獲了很高的點(diǎn)擊率，就有可能被推薦系統(tǒng)快速放大，具有了成為爆款的可能。因此，冷啟動(dòng)決定一篇內(nèi)容命運(yùn)的說法，可以說絲毫不為過。

而對(duì)于用戶冷啟動(dòng)，推薦服務(wù)的是一個(gè)大目標(biāo)：用戶的留存率。

只有保證了用戶留存的前提下，才會(huì)考量推薦的興趣探索效果如何，是否在有限的展示里全面探索出了用戶的偏好。對(duì)于慢熱型的用戶，我們并不急于獲悉他的方方面面，而是以“留住用戶”作為第一目的。

時(shí)下，最火熱的莫過于快手、抖音類的PUGC視頻應(yīng)用了。那么，這些短視頻內(nèi)容的推薦方式是什么樣的呢？

回歸到豐富先驗(yàn)信息、依賴后驗(yàn)信息的角度來闡述整個(gè)通用的流程。一個(gè)短視頻應(yīng)用里面，大體上會(huì)有三類人：半職業(yè)或職業(yè)的生產(chǎn)者、工具的使用者、短視頻的消費(fèi)者。從消費(fèi)性的角度來看，大概率是第一類人生產(chǎn)，第三類人消費(fèi)。先驗(yàn)信息就是盡可能挖掘出第一類人生產(chǎn)內(nèi)容的固有特征，比如作者是誰(shuí)、配的音樂是什么、是否有參與活動(dòng)話題等等，對(duì)于足夠的頭部生產(chǎn)者還可能會(huì)以運(yùn)營(yíng)介入的方式人工標(biāo)注，去完善先驗(yàn)信息。

客觀上說，小視頻的先驗(yàn)信息是遠(yuǎn)小于文本內(nèi)容的。從信息量的角度來看，我們將其類比微博類的短文本內(nèi)容或者全圖片內(nèi)容可能會(huì)更合適。先驗(yàn)信息的缺乏，就會(huì)更依賴協(xié)同算法支撐下，用戶參與行為的后驗(yàn)信息的補(bǔ)充。

將一則小視頻冷啟動(dòng)推薦給特定類別的用戶來查看，從用戶角度去統(tǒng)計(jì)不同特征、不同聚類用戶的有效播放，從而以用戶的行為去刻畫小視頻的特征。

比如，時(shí)下很熱的海草舞，不同的生產(chǎn)者都會(huì)上傳類似主題的視頻，哪個(gè)更好？在業(yè)務(wù)場(chǎng)景里，真正值得依賴的一定是普通用戶觀看行為的投票，才能選擇出更值得擴(kuò)散內(nèi)容，優(yōu)化全局的效率。

四、三分天下？編輯、算法與社交

不夸張的說，算法分發(fā)將是未來信息分發(fā)行業(yè)的標(biāo)準(zhǔn)配置。

為什么這么說？因?yàn)樗惴ㄊ莻€(gè)筐，什么都能往里裝。

在內(nèi)容展現(xiàn)和推薦的過程當(dāng)中，可以參考下述公式：

算法分發(fā)權(quán)重=編輯分發(fā)權(quán)重 + 社交分發(fā)權(quán)重 + 各種算法產(chǎn)出權(quán)重

將任意一個(gè)權(quán)重設(shè)置為1，其他部分設(shè)置為0，算法分發(fā)系統(tǒng)就會(huì)變成一個(gè)標(biāo)準(zhǔn)的編輯分發(fā)系統(tǒng)或者是社交分發(fā)系統(tǒng)。也就是說，算法分發(fā)的基線就是編輯分發(fā)或社交分發(fā)。從這個(gè)角度來看，只要算法應(yīng)用的不太差，基本上引入算法分發(fā)一定是正向。因?yàn)樗谟邢薜呢浖芾?，圍繞用戶展示了無限的貨品。

在業(yè)務(wù)層面，我們通常會(huì)復(fù)合型使用三種分發(fā)，在不同的環(huán)節(jié)應(yīng)用不同的因素，才達(dá)到最好的效果。

以知乎讀書會(huì)為例，我們將其劃分為：內(nèi)容生產(chǎn)、用戶觸達(dá)和反饋改進(jìn)三個(gè)部分。

在內(nèi)容生產(chǎn)中，為了保證調(diào)性，一定是需要引入編輯專家去選人、選書的。選擇的書是否有價(jià)值，選擇的人是否是行業(yè)專家而非職業(yè)的拆書人，都是體現(xiàn)產(chǎn)品價(jià)值觀判斷的事情。

進(jìn)入觸達(dá)環(huán)節(jié)，人工干預(yù)的作用就會(huì)相對(duì)弱化。

舉一個(gè)例子：運(yùn)營(yíng)一定會(huì)有今日推薦的需求，推薦給用戶今日讀書會(huì)上新了什么大咖領(lǐng)讀的書籍。比如，一本物理學(xué)的書籍，由一位物理學(xué)大咖進(jìn)行解讀。從編輯的角度，領(lǐng)讀人是大咖，書是經(jīng)典，編輯權(quán)重一定非常高。

這聽上去似乎很合理，但當(dāng)你進(jìn)入用戶的場(chǎng)景時(shí)，就發(fā)現(xiàn)有點(diǎn)差異：首先，用戶不是每天都來的。如果他一周來一次，在他沒來的這一周內(nèi)同樣有文學(xué)、互聯(lián)網(wǎng)、藝術(shù)等專業(yè)人士的領(lǐng)讀，你該給他的是今日推薦，還是本周推薦呢？進(jìn)一步考慮到用戶偏好問題。你是應(yīng)該把物理學(xué)大咖的內(nèi)容強(qiáng)加給他，還是推薦給他一個(gè)朋友們最近都好評(píng)的一本領(lǐng)讀書（社交分發(fā)），又或者是他自己已經(jīng)標(biāo)注了“想讀”的一本藝術(shù)類書籍的解讀呢？

當(dāng)我們收集到了足夠多用戶數(shù)據(jù)的時(shí)候，又可以反過來影響內(nèi)容的二次迭代，編輯的作用又凸顯了出來，結(jié)合數(shù)據(jù)的反饋來對(duì)內(nèi)容進(jìn)行調(diào)整：內(nèi)容的播放完成率為什么低？是稿件問題，還是領(lǐng)讀人語(yǔ)音的問題，是否需要重新錄制等等。

五、算法的價(jià)值觀

算法有沒有價(jià)值觀呢？算法沒有價(jià)值觀，算法背后的人卻是有價(jià)值觀的。因?yàn)槲覀儍?yōu)化推薦系統(tǒng)，一定會(huì)有一個(gè)數(shù)值目標(biāo)，這個(gè)數(shù)值目標(biāo)的合理性決定了整個(gè)推薦系統(tǒng)的合理性。單獨(dú)以點(diǎn)擊為優(yōu)化目標(biāo)，一定會(huì)導(dǎo)致標(biāo)題黨泛濫；點(diǎn)擊加時(shí)長(zhǎng)目標(biāo)能夠一定程度抑制標(biāo)題黨的產(chǎn)生，但是也有可能導(dǎo)致用戶多樣性的喪失。在這里舉兩個(gè)內(nèi)容消費(fèi)的場(chǎng)景，我們可以通過這兩個(gè)場(chǎng)景一窺各個(gè)內(nèi)容分發(fā)產(chǎn)品的調(diào)性所在。

1.新用戶冷啟動(dòng):

大家可以以新用戶的身份去嘗試各種內(nèi)容消費(fèi)服務(wù)。比較之下，你就知道各家的價(jià)值觀怎樣的了。

因?yàn)樾掠脩羰峭ㄟ^不同渠道獲取的，你獲取到的是怎樣的用戶，你就會(huì)推薦怎樣的內(nèi)容；進(jìn)一步的，基于馬斯洛需求模型，越底層的內(nèi)容越有更廣泛的受眾。這就是為什么很多小視頻應(yīng)用，打開來之后，全都是白衣?；ù箝L(zhǎng)腿的原因了，人性爾。

2.推薦多樣性：

多樣性是另一個(gè)評(píng)估分發(fā)產(chǎn)品調(diào)性好壞的所在。喪失多樣性，深挖用戶的局部興趣點(diǎn)，一定是短期收益最大化的。

比如我喜歡看科比，那么你把科比的比賽視頻推給我，可以讓我刷到深夜兩點(diǎn)；但是從一個(gè)產(chǎn)品的長(zhǎng)線來看，我們需要更長(zhǎng)久的留住用戶，而不是短期讓用戶沉迷。在短期時(shí)長(zhǎng)和長(zhǎng)期留存中，就依賴于產(chǎn)品設(shè)計(jì)者的價(jià)值觀判斷了。

六、不同平臺(tái)下的自媒體生態(tài)

對(duì)于平臺(tái)來說，創(chuàng)作者是什么？如果把平臺(tái)比作一個(gè)商場(chǎng)的話，不同的平臺(tái)會(huì)有不同的選擇，最典型的兩種類型莫過于：自營(yíng) V.S 第三方運(yùn)營(yíng)。一種情況下，整個(gè)商場(chǎng)全部是直營(yíng)的店鋪。在這樣的平臺(tái)下，每個(gè)貨架都是商場(chǎng)自營(yíng)，所有的創(chuàng)作者對(duì)于商場(chǎng)而言，都只是供貨商。另一種情況下，商場(chǎng)只提供位置，所有交得起入場(chǎng)費(fèi)的店鋪都可以入駐。在這樣的平臺(tái)下，每個(gè)貨架都是創(chuàng)作者自己運(yùn)營(yíng)的。直營(yíng)商場(chǎng)的好處當(dāng)然是體驗(yàn)可控、甚至于能夠在某個(gè)特定垂類人群身上做到近乎可量化范圍內(nèi)的極致。由于其收取的是商品流通中的利潤(rùn)，所以在短期內(nèi)可以攫取巨大的紅利，并用這些利潤(rùn)去給商場(chǎng)自身打廣告，做新客獲取。

但這樣做的壞處也很顯然：就在于供貨商的角度缺乏靈動(dòng)性，只作為供貨商的創(chuàng)作者，由于缺乏足夠的利潤(rùn)激勵(lì)，很難生長(zhǎng)出全新的品牌。開放給第三方運(yùn)營(yíng)的商場(chǎng)，其好處當(dāng)然是供貨商的靈活性和多樣性，商場(chǎng)賺取的是房租而非商品流通過程的利潤(rùn)。一個(gè)常見的問題是：這種完全開放給第三方運(yùn)營(yíng)的商場(chǎng)是否會(huì)用戶體驗(yàn)崩塌，比如會(huì)有各種在商場(chǎng)入口發(fā)小廣告的，以各種圖謀短線的方式來吸收商場(chǎng)的流量。這就是局部失控與全局可控的關(guān)系。

在國(guó)內(nèi)，全部直營(yíng)的商場(chǎng)比比皆是；近乎完全開放給第三方運(yùn)營(yíng)的大商場(chǎng)，則恐怕只有微信了吧。在所有平臺(tái)都在告訴你什么是對(duì)的時(shí)候，只有微信很克制地告訴你什么是錯(cuò)的。

七、數(shù)據(jù)驅(qū)動(dòng)自媒體迭代

站在自媒體的角度，又該如何面對(duì)平臺(tái)？如何應(yīng)用數(shù)據(jù)驅(qū)動(dòng)的方式，更加目標(biāo)導(dǎo)向的面對(duì)不同平臺(tái)呢？

首先，自媒體面臨的問題是平臺(tái)選擇。

由于不同的平臺(tái)有不同的分發(fā)規(guī)模和不同的發(fā)展階段，所以，更應(yīng)該選擇適合自己品牌調(diào)性的平臺(tái)，選擇符合自己長(zhǎng)線商業(yè)化變現(xiàn)角度的平臺(tái)。要區(qū)分清楚，哪些平臺(tái)是叫好不叫座、哪些平臺(tái)是叫座不叫好。

如果做電商導(dǎo)向的自媒體，那么基本上微博微信是必選項(xiàng)?？紤]到目前各個(gè)平臺(tái)相對(duì)封閉，不提倡向微博微信導(dǎo)流，那么其在其他平臺(tái)可能更多的在于曝光量和品牌建設(shè)的貢獻(xiàn)，而不會(huì)對(duì)電商的銷售轉(zhuǎn)化有太大的貢獻(xiàn)。

但對(duì)于承接品牌廣告的自媒體而言，其利潤(rùn)更多的和內(nèi)容的傳播量有關(guān)，在傳播量導(dǎo)向的角度來看，就應(yīng)該更多的選擇和自己品牌調(diào)性相符的、哪怕是一些垂直類的內(nèi)容分發(fā)網(wǎng)站。通過匯集全網(wǎng)各平臺(tái)的流量，來實(shí)現(xiàn)自己對(duì)廣告主的全網(wǎng)閱讀量（播放量）的承諾。

因?yàn)槊總€(gè)平臺(tái)的投入都需要牽涉到運(yùn)營(yíng)人力，所以如果一個(gè)平臺(tái)的投入產(chǎn)出比不能夠達(dá)到預(yù)期，就應(yīng)該主動(dòng)止損，避免進(jìn)一步的資源投入。

在自媒體確定了自己選擇的平臺(tái)之后，就需要深究不同平臺(tái)的分發(fā)特點(diǎn)，來進(jìn)行針對(duì)性的運(yùn)營(yíng)從而提升自己在相應(yīng)平臺(tái)的曝光量。常見的三種平臺(tái)：編輯分發(fā)、訂閱分發(fā)和算法分發(fā)平臺(tái)。

1.對(duì)于編輯分發(fā)平臺(tái)

最快速的方法一定是維系好和平臺(tái)的關(guān)系。因?yàn)樵谶@樣的平臺(tái)上，其推薦位置都是人工分配的，更好的編輯關(guān)系能夠保證自媒體有更好的流量曝光。在編輯分發(fā)的平臺(tái)上，時(shí)不時(shí)的會(huì)有相應(yīng)的官方活動(dòng)、積極地配合官方導(dǎo)向，就能從流量?jī)A斜政策中獲取紅利。

2.對(duì)于訂閱分發(fā)平臺(tái)

做粉絲，做垂直品類粉絲是不二法門。借由微信，其實(shí)大家能夠看到一些常見的誘導(dǎo)分享的手段。由于微信是一個(gè)規(guī)定行業(yè)下限，而非設(shè)定上限的開放式環(huán)境，所以在這樣的平臺(tái)上進(jìn)行運(yùn)營(yíng)，首先需要保證自己有足夠高的敏感度，對(duì)于一些新的傳播形態(tài)可以及時(shí)跟進(jìn)，從而最大化的獲取時(shí)間差的紅利。

比如，最近的微信小游戲，在前兩周鋪天蓋地的通過微信群分享獲得拉新機(jī)會(huì)；而最近幾日，這條通路就完全被官方封禁了。

3.對(duì)于算法分發(fā)平臺(tái)

盡管平臺(tái)關(guān)系維護(hù)和粉絲數(shù)積累都需要，但是最需要投入的還是對(duì)于內(nèi)容的包裝。因?yàn)槟愕膬?nèi)容不僅僅要抓住人的眼球，同時(shí)也要能夠?qū)C(jī)器算法的胃口，通過研究過往一段時(shí)間的平臺(tái)熱門關(guān)鍵詞，能夠給內(nèi)容的標(biāo)題封面包裝提供一些借鑒。

在我看來，運(yùn)營(yíng)的非常好的一個(gè)自媒體品牌非二更莫屬，細(xì)細(xì)觀察，其在不同的平臺(tái)上都有不同的運(yùn)營(yíng)策略。比如，在頭條上的分發(fā)，二更就全面的在使用雙標(biāo)題、雙封面的方式進(jìn)行自己的內(nèi)容包裝。一些視頻內(nèi)容能夠在非常短的時(shí)間內(nèi)就獲得了上百萬的曝光量。

不同平臺(tái)上的不同運(yùn)營(yíng)方式，本質(zhì)上還是一個(gè)數(shù)據(jù)驅(qū)動(dòng)，目標(biāo)導(dǎo)向的過程，以下進(jìn)行更細(xì)粒度的拆解。

他山之石可以攻玉，首先和大家介紹的是在國(guó)外，將數(shù)據(jù)分析指導(dǎo)內(nèi)容生產(chǎn)做的非常極致的BuzzFeed。

員工總數(shù)逾千人，擁有全球新聞團(tuán)隊(duì)、自家視頻制作工作室、尖端數(shù)據(jù)運(yùn)算中心和內(nèi)部創(chuàng)意廣告機(jī)構(gòu)，每月全網(wǎng)超過50億次閱讀——這就是BuzzFeed，怎么看都是一個(gè)龐大的媒體集團(tuán)。

然而，當(dāng)我們深入了解BuzzFeed的工作流程后就會(huì)發(fā)現(xiàn)：與其說它是一家媒體公司，不如說它是一家科技公司。

“數(shù)據(jù)驅(qū)動(dòng)內(nèi)容創(chuàng)作”

這是BuzzFeed給自己貼上的標(biāo)簽。

在這家公司的內(nèi)容創(chuàng)作和分發(fā)過程中，反饋閉環(huán)（Feedback Loop）是出現(xiàn)頻次最高的術(shù)語(yǔ)：通過將市場(chǎng)環(huán)境和讀者反饋數(shù)據(jù)盡可能的量化和結(jié)構(gòu)化，及時(shí)反饋給運(yùn)營(yíng)人員、內(nèi)容編輯，從而構(gòu)成了輔助創(chuàng)作的一個(gè)閉環(huán)。

由于很早就樹立了“將內(nèi)容分發(fā)到用戶常駐的平臺(tái)，而非吸引用戶到自己的平臺(tái)看內(nèi)容”的思路，YouTube、Facebook，Twitter、Vine等一眾平臺(tái)都成為了BuzzFeed的戰(zhàn)場(chǎng)。為了更好的理解用戶反饋，BuzzFeed追蹤收集并匯總了各個(gè)平臺(tái)上的閱讀傳播和互動(dòng)數(shù)據(jù)。比起閱讀量、分享量這些結(jié)果指標(biāo)，其更關(guān)心內(nèi)容分發(fā)和傳播的過程。

以下圖為例：如果只看終態(tài)數(shù)據(jù)，那么報(bào)表展示給你的無非是一篇內(nèi)容從不同的平臺(tái)渠道上獲取了多少流量而已（下圖左）。但是深究下來，這些流量是如何來的呢？是通過Facebook或Twitter上的分享，還是通過郵件的傳播？哪些節(jié)點(diǎn)帶來了更大的輻射量和擴(kuò)散量？只有深入分析傳播路徑，才能給出這個(gè)問題的答案（下圖右）。

不止于結(jié)果， BuzzFeed開始探究一篇內(nèi)容的傳播軌跡，他們開了一套名為Pound（Process for Optimizing and Understanding Network Diffusion）的系統(tǒng)，通過給同一頁(yè)面的不同分享追加不同參數(shù)的方式，來追溯內(nèi)容在網(wǎng)絡(luò)上的傳播過程。

通過這套系統(tǒng)，人們意識(shí)到：傳播并不是一棵簡(jiǎn)單的傳播樹，而是一片密集的傳播森林。

每一次分享都構(gòu)成了一棵新樹，如果一個(gè)人的社交好友很多，那么這個(gè)節(jié)點(diǎn)的一度關(guān)系觸達(dá)就會(huì)很廣；如果內(nèi)容的質(zhì)量一般沒有引發(fā)進(jìn)一步的傳播，那么就會(huì)止步為一棵低矮的樹；如果內(nèi)容引發(fā)了大量的傳播，就會(huì)變?yōu)橐粋€(gè)繁茂的大樹。

由于社交傳播對(duì)于內(nèi)容的影響力貢獻(xiàn)巨大， BuzzFeed在衡量?jī)?nèi)容價(jià)值時(shí)，會(huì)更看重社交分享所帶來的閱讀量，并以名為“病毒傳播提升系數(shù)（Viral Lift）”的指標(biāo)來衡量這一過程。

對(duì)于粉絲已經(jīng)超過百萬、內(nèi)容閱讀篇篇10W+的自媒體大號(hào)來說，這一衡量指標(biāo)的制定不難理解：如果一篇內(nèi)容的閱讀構(gòu)成主要來自于自己的粉絲，那么就意味著粉絲們更有可能是基于慣性打開的，但是由于內(nèi)容并沒有觸及到它們的興奮點(diǎn)、沒能引發(fā)認(rèn)同，從而失去了進(jìn)一步擴(kuò)散傳播的可能，也失去了觸達(dá)更多潛在粉絲的機(jī)會(huì)。

對(duì)于BuzzFeed而言，在相近的總閱讀量下，一篇“病毒傳播提升系數(shù)”更高的內(nèi)容，因?yàn)槭斋@了更多的社交傳播而變得更有價(jià)值。有了技術(shù)追溯的支持，內(nèi)容團(tuán)隊(duì)才能夠總結(jié)出不同平臺(tái)之上的內(nèi)容偏好和病毒傳播模式。

人們往往會(huì)夸大BuzzFeed的內(nèi)容三把斧“清單體、短視頻和小測(cè)驗(yàn)”，卻忽視了在這些內(nèi)容背后更深層次的數(shù)據(jù)支持。

具體到我們?nèi)粘５膬?nèi)容閱讀分析和粉絲分析過程當(dāng)中，有哪些可以供分析注意的數(shù)據(jù)？

對(duì)內(nèi)容分析來看，可以分為一次打開和打開后的體驗(yàn)。

一次打開是指不依賴于社交傳播和搜索傳播所帶來的閱讀量。對(duì)于微博微信等粉絲分發(fā)平臺(tái)，是指粉絲帶來的閱讀量；對(duì)于頭條、快報(bào)等推薦分發(fā)平臺(tái)，是指經(jīng)由推薦帶來的應(yīng)用內(nèi)閱讀量。

影響內(nèi)容一次打開率最直接的因素有兩個(gè)：活躍粉絲量和內(nèi)容包裝。

無論是粉絲分發(fā)平臺(tái)還是推薦分發(fā)平臺(tái)，活躍粉絲量都會(huì)影響內(nèi)容展示的基本盤，只是傳導(dǎo)系數(shù)不太一樣罷了；對(duì)于粉絲分發(fā)的平臺(tái)，你有多少活躍粉絲就意味著有相應(yīng)比例的基礎(chǔ)展示量；對(duì)于非粉絲分發(fā)的平臺(tái)，你的活躍粉絲量會(huì)被視作你在平臺(tái)上的貢獻(xiàn)程度和受眾情況從而影響分發(fā)權(quán)重。同樣的一篇內(nèi)容，10萬活躍粉絲的賬號(hào)發(fā)布一定比1萬活躍粉絲的賬號(hào)發(fā)布會(huì)獲得更大的基礎(chǔ)展示量。

內(nèi)容包裝影響的是從展示量到閱讀量的轉(zhuǎn)化過程，更好的標(biāo)題和封面圖就像是精致的產(chǎn)品包裝一樣，有助于更好的促成轉(zhuǎn)化。比如在頭條號(hào)平臺(tái)上，就支持了一個(gè)非?？岬碾p標(biāo)題雙封面功能，能夠給創(chuàng)作者對(duì)內(nèi)容不同包裝的機(jī)會(huì)。

對(duì)于標(biāo)題，我習(xí)慣于引用咪蒙的觀點(diǎn)：

“不能在一秒鐘看明白的標(biāo)題，不適合傳播，不是讀者理解不了，而是他只能給咱們一秒鐘?！?/strong>

在咪蒙的工作方式中，她會(huì)把當(dāng)天寫好的內(nèi)容發(fā)出來，交于自媒體小組的員工開始取標(biāo)題。15-20分鐘內(nèi)，每人至少取5個(gè)標(biāo)題。這樣，每一篇內(nèi)容背后，都有近100個(gè)標(biāo)題！咪蒙隨后會(huì)從中挑出5-6個(gè)標(biāo)題，放到3個(gè)由用戶顧問群里投票（每個(gè)顧問群都有人負(fù)責(zé)統(tǒng)計(jì)票數(shù)）。 咪蒙會(huì)參考最終的投票結(jié)果，決定用哪一個(gè)標(biāo)題。這種方式，其實(shí)就構(gòu)建了一個(gè)最樸素的AB系統(tǒng)來驗(yàn)證標(biāo)題對(duì)于內(nèi)容一次打開率的影響。

為了便于比較，我們通常計(jì)算一次打開率而非打開量。

對(duì)于粉絲分發(fā)平臺(tái)：

一次打開率=閱讀量/粉絲量

對(duì)于推薦分發(fā)平臺(tái)：

一次打開率=應(yīng)用內(nèi)閱讀量/推薦量

一次打開率對(duì)于不同分發(fā)模式的平臺(tái)有不同的意義：

• 在粉絲分發(fā)的平臺(tái)上，一次打開率能比閱讀量更好地衡量自媒體賬號(hào)的價(jià)值。為了保證更高的一次打開率，需要更科學(xué)地獲取精準(zhǔn)粉絲、重視粉絲群體的互動(dòng)維護(hù)，使得自身始終能夠保持較高的粉絲觸達(dá)率。

• 對(duì)于推薦分發(fā)平臺(tái)，一次打開率考量了自媒體對(duì)平臺(tái)分發(fā)特點(diǎn)的認(rèn)知和對(duì)內(nèi)容包裝功力。一次打開率（推薦點(diǎn)擊率）高就意味著具有成為爆款的可能。甚至?xí)斋@比粉絲分發(fā)平臺(tái)更大的閱讀量。

八、閱讀體驗(yàn)

如果說一次打開代表了上門推銷人員成功敲開了用戶的房門，那么閱讀體驗(yàn)衡量的就是用戶是否會(huì)為這次推銷最終選擇買單。用戶是帶著對(duì)作者品牌和對(duì)標(biāo)題封面的認(rèn)知預(yù)期打開內(nèi)容的，只有實(shí)際消費(fèi)體驗(yàn)與預(yù)判一致、甚至超出預(yù)判，才算得上是好的閱讀體驗(yàn)。我們之所以抵觸標(biāo)題黨，并非因?yàn)樗斎寺犅?，而是因?yàn)橛脩舯е斎寺犅劦念A(yù)期，點(diǎn)擊進(jìn)入詳情頁(yè)之后才發(fā)現(xiàn)內(nèi)容平淡無奇。

想要衡量消費(fèi)體驗(yàn)，內(nèi)容的消費(fèi)比例是一個(gè)重要的指標(biāo)。

對(duì)于圖文來說這個(gè)指標(biāo)是平均閱讀進(jìn)度和閱讀速度；對(duì)于視頻來說是播放進(jìn)度和播放時(shí)長(zhǎng)（因?yàn)橛脩魰?huì)有快進(jìn)的行為，所以100%的播放進(jìn)度并不意味著100%的播放時(shí)長(zhǎng)）。平均消費(fèi)比例越高，代表用戶的認(rèn)可度越高、消費(fèi)體驗(yàn)越好。

除了內(nèi)容消費(fèi)比例指標(biāo)以外，內(nèi)容是否引發(fā)了讀者互動(dòng)也是一個(gè)常見的考察角度，如評(píng)論、點(diǎn)贊、收藏、轉(zhuǎn)發(fā)等，這些指標(biāo)的橫向?qū)Ρ韧ǔＳ糜诮M織內(nèi)部考核不同編輯的創(chuàng)作能力。

其中，個(gè)人建議需要額外關(guān)注的是評(píng)論和轉(zhuǎn)發(fā)兩個(gè)指標(biāo)：

• 評(píng)論擴(kuò)展了內(nèi)容的深度，更多的用戶評(píng)論給正文提供了不同的視角分析和信息補(bǔ)充，可以有效的引發(fā)圍觀用戶的閱讀興趣，提升用戶在內(nèi)容頁(yè)的整體停留時(shí)長(zhǎng)。促進(jìn)評(píng)論的提升算是有一些技巧性的部分：選題有沖突性或者有代入感，在正文中留有懸念，主動(dòng)引起討論、投票，在評(píng)論區(qū)中帶節(jié)奏等等都是行之有效的方式。

• 轉(zhuǎn)發(fā)擴(kuò)展了內(nèi)容的廣度，更多的轉(zhuǎn)發(fā)能夠帶來更多面向潛在受眾的曝光，這一點(diǎn)對(duì)于以粉絲分發(fā)為主要模式的系統(tǒng)尤甚。對(duì)于轉(zhuǎn)發(fā)指標(biāo)，我們可以套用BuzzFeed的病毒傳播系數(shù)的計(jì)算方式：Viral Lift = 1 + 傳播閱讀量 / 一次閱讀量。

九、粉絲增長(zhǎng)分析

對(duì)于自媒體而言，虛高的粉絲數(shù)除了忽悠投資人和廣告主以外，對(duì)自身成長(zhǎng)是毫無意義的。想要可持續(xù)發(fā)展，只有精準(zhǔn)的粉絲才有價(jià)值。那什么是精準(zhǔn)的粉絲？我想，應(yīng)該是指能夠給自媒體帶來變現(xiàn)價(jià)值的粉絲。

粉絲增長(zhǎng)分析，就是圍繞有變現(xiàn)價(jià)值粉絲算的一筆賬：如果一個(gè)粉絲能給自媒體帶來5塊的凈利潤(rùn)，那么花低于5元的成本來購(gòu)買這個(gè)粉絲就是劃算的。

首先，引入三個(gè)概念——LTV、CAC和ROI

• LTV（Life Time Value）:生命周期總價(jià)值。一個(gè)粉絲從關(guān)注你的那一天開始到取關(guān)或者脫離平臺(tái)為止，能夠帶來的收益。通常按渠道來計(jì)算，如果某個(gè)渠道或某個(gè)平臺(tái)的用戶不精準(zhǔn)、付費(fèi)意愿差，那么這個(gè)渠道的用戶LTV就相對(duì)較低。

• CAC（Customer Acquisition Cost）:用戶獲取成本。同樣跟渠道有關(guān)，自媒體需要持續(xù)的發(fā)現(xiàn)低價(jià)、優(yōu)質(zhì)的渠道，搶占紅利期。比如2015年初，微信廣點(diǎn)通渠道的公眾號(hào)漲粉，單個(gè)用戶獲取成本只有1-2塊錢。

• ROI（Return On Investment）：投資回報(bào)率。計(jì)算公式為（收入-成本）/成本。應(yīng)用于粉絲增長(zhǎng)場(chǎng)景就是（LTV-CAC）/CAC，衡量的是：你從一個(gè)粉絲身上掙到的錢，是否能夠覆蓋獲取這個(gè)粉絲的成本。

通常應(yīng)該做ROI>1的事情，這樣才能夠保證業(yè)務(wù)的可持續(xù)發(fā)展。后續(xù)也都圍繞這個(gè)角度展開。

首先，現(xiàn)身說法，舉一個(gè)親身犯下的“人傻錢多”的蠢事：

15年初，微信朋友圈集贊的路數(shù)還很火熱，我們也不能免俗，搞了三場(chǎng)集贊有禮的活動(dòng)。三場(chǎng)集贊有禮的活動(dòng)，表面上看起來一面光鮮，各種指標(biāo)在活動(dòng)日都有顯著的提升。但是興奮過去之后的分析，卻讓人笑不出來了。三次活動(dòng)中，發(fā)起活動(dòng)的老用戶重疊度越來越高，帶來的新用戶越來越少，同時(shí)，新用戶的次日留存情況也越來越差。

于是，我們開始反思用戶為什么要參加集贊有禮的互動(dòng)？唯利爾。

老用戶發(fā)起活動(dòng)，他所帶來的新用戶無非是看一眼品牌廣告，幫朋友支持一下。如果實(shí)物獎(jiǎng)品價(jià)值還不錯(cuò)，那么這個(gè)新用戶也會(huì)發(fā)起，但目的在于獎(jiǎng)品而非公眾號(hào)。此外，設(shè)計(jì)過高的門檻使得有的用戶不樂意參與，有的用戶則自建了群開始互相點(diǎn)贊，達(dá)不到拉新的作用。

想要提升用戶增長(zhǎng)的ROI，就必須降低新用戶中非精準(zhǔn)用戶的比例，從而拉升渠道用戶的LTV，降低用戶獲取成本CAC。

由此入手，我們優(yōu)化了轉(zhuǎn)發(fā)集贊拉新的方式：

新一期集贊活動(dòng)的禮品是凱叔西游記第二部的部分章節(jié)收聽權(quán)，每個(gè)用戶只需要拉5個(gè)用戶就能獲得。因?yàn)槭翘摂M產(chǎn)品，CAC得到了顯著降低。而兒童故事音頻跟微信賬號(hào)捆綁只能自用，用戶如果不是真有需求就絕不會(huì)參與活動(dòng)，從而提升了新增用戶的精準(zhǔn)程度。在后續(xù)的此類活動(dòng)中，我們都有意識(shí)的對(duì)禮品的形態(tài)進(jìn)行了控制：實(shí)物禮品用于鼓勵(lì)已有的活躍老粉絲，虛擬禮品用于激活和拉新。

運(yùn)營(yíng)微博、微信這樣的平臺(tái)，我們很容易沉迷于追求短期粉絲數(shù)字的飆漲而舉辦各種活動(dòng)。某些活動(dòng)拉新從CAC的角度看或許是劃算的，但深究其所帶來的真實(shí)活躍粉絲，就往往會(huì)發(fā)現(xiàn)ROI遠(yuǎn)遠(yuǎn)小于1，充其量只能算是一次展示廣告曝光，做了一筆又一筆的蝕本生意。

想要算清楚用戶的ROI，有賴于用戶身份的識(shí)別和渠道的追溯。在這一點(diǎn)上，微博和微信的基礎(chǔ)建設(shè)比較完善。

以微信為例，基于平臺(tái)提供的二維碼，我們可以追溯不同用戶的來源并標(biāo)識(shí)，就像是安卓應(yīng)用下載對(duì)于不同的應(yīng)用市場(chǎng)打不同的渠道包一樣。進(jìn)而，通過平臺(tái)提供的外鏈功能、私信功能，來識(shí)別用戶的活躍情況。

對(duì)于付費(fèi)增粉渠道，每隔一段時(shí)間暫停一些，比較渠道暫停前后自己粉絲量的增長(zhǎng)情況和粉絲閱讀占比、線上活動(dòng)粉絲參與量情況，建立起對(duì)付費(fèi)渠道更清醒的了解。通過數(shù)據(jù)分析的方式，能夠讓我們更加清醒的審視內(nèi)容創(chuàng)作的消費(fèi)性好壞，粉絲積累的性價(jià)比高低，從而以更經(jīng)濟(jì)的方式提升自己的增長(zhǎng)速度。 

作者：數(shù)據(jù)俠，閆澤華。微信公眾號(hào)：DT數(shù)據(jù)俠（ID：DTdatahero），第一財(cái)經(jīng)旗下數(shù)據(jù)社群，集數(shù)據(jù)俠專欄、數(shù)據(jù)俠實(shí)驗(yàn)室活動(dòng)和數(shù)據(jù)俠聯(lián)盟于一體，旨在聚集大數(shù)據(jù)領(lǐng)域精英，共同挖掘數(shù)據(jù)價(jià)值。

作者：DT數(shù)據(jù)俠

文章來源：人人都是產(chǎn)品經(jīng)理

【轉(zhuǎn)載說明】   若上述素材出現(xiàn)侵權(quán)，請(qǐng)及時(shí)聯(lián)系我們刪除及進(jìn)行處理：[email protected]