手淘信息流_硬核干货:信息流内容策略实践
信息流产品做什么?怎么做?都有哪些模块?每个模块的核心点是什么?
本着万物皆可拆的原则,结合实践经历,我们一起来聊聊信息流的内容策略。
一、信息流产品是什么
信息流=内容(载体:图文+视频+直播)+瀑布流,以瀑布流展现的内容,供给充足的情况下手淘信息流,无限下来、无限刷新、无限填充。
典型的信息流产品:头条、抖音、快手、手淘、B站,所有爆炸的供给形态,都适合瀑布流展现。
为什么信息流产品会在最近几年大爆发?如果单纯以展现形势来衡量,那古早时期的门户算不算信息流呢?
我认为当前定义的信息流产品,与传统的门户网站的区别在于:个性化+互动性+供给体量。
这里插播一个问题:你认为头条的成功中个性化推送是否是决定性因素?
二、信息流产品有哪些模块
从头开始构建一款信息流产品,需要做哪些事?
接下来我们按顺序详细聊一下各个模块要做什么。
1. 内容生产:解决供给问题
内容生产:需要解决的是供给问题。
头条号、企鹅号、百家号等等,这些创作者平台会为生产者提供基本的创作工具,保证基础的创作体验;除此之外,平台还会通过各种激励活动(比如,青云计划)激发用户生产,同时给新人露出的机会。
内容行业中,生产者就是内容的工厂,想要扩大生产规模,就需要提升生产能力;因此各个平台还会提供引导和培训的功能,帮助创作者学习优秀的创作经验。
2. 内容理解:像素级描述
内容理解要解决的是“内容是什么”的问题。
电商里面,商品理解的粒度是到SKU,包括:SKU的属性(名称、产地、材质、尺寸、颜色等)、类目(一级——二级——三级)、标签(美少女最爱、美白、热销、折扣等)、还有用户UGC信息。
内容理解要做的就是对内容进行像素级描述,一般会从内容本身和用户的角度来理解内容。
比如:
用户角度是指,通过用户的行为来给内容贴标签,最简单的,女生爱看,男生爱看。
此外,大型公司中,还有引入知识图谱来加深对内容的理解,尤其是建立机器无法识别的关联;比如,拉肚子和腹泻,徐大sao和吃大蒜(这个是自己开的脑洞,大家也可以自己尝试下利用实际的场景来发现一些好玩的关系)。
除此之外,公司也会根据业务的情况手淘信息流,单独把某些特征拎出来单独做,比如热点识别——因为热点内容自带流量,头条会单独把热点聚合成Tab推送。
3. 用户理解: 构建用户模型
用户理解要解决“如何标签化描述用户”的问题。
人类可读的对于用户的理解:性别、年龄、喜好、生日、星座、爱听的歌、喜好的颜色……;是不是很像90后小时候毕业时候的同学录?这种可以算最早的“用户画像”了(感觉暴露了年龄……)。
做好用户理解,就是要更精准的刻画用户,由于有大量的用户行为数据,包括用户和内容的交互行为,用户使用APP的行为等;从这些数据中,可以挖掘出大量对用户的认知:你喜欢什么样的内容、你和哪个账号互动最多、你看了谁的直播……;从而抽象出“你”的标签:美女、高互动性、夜间型用户等。
对用户刻画的越精细、越准,给用户推送的内容就会越准,做各种定向营销和转化的效果就会更好。
4. 内容链路:高风险低质内容处理
大家可以把内容生产——内容处理——内容分发的过程想象成一个工厂的流水线:工人把原材料投入机器(生产者利用工具进行创作)-> 一次成品被送上传送带进行质检(内容处理)-> 合格的一次成品被统一包装(打标签,规则化处理)->出厂进入市场(分发)。
内容链路就是这条处理的流水线,从发文侧获取内容,然后进行各种各样的质检和加工——黄赌毒,pass;色情低俗,pass;涉政敏感,pass;重复洗稿,pass……内容平台的低质特征上百计算;与此同时,这里注意,基本上是并行的,模型会对内容打上各种各样的标签。
经过流水线的内容,满足质检标准,才会进入下一步。(想要知道详细的处理流程、特征项、以及如何建模识别,感兴趣的可以留言。)
如同工厂追求效率一样,内容处理也追求效率,因此这个环节要考虑处理耗时。
5. 推荐策略:给谁看什么,千人千面
推荐的核心价值是匹配。
在信息流场景,推荐要解决在什么时候让什么人看到什么内容的问题。
如果我们从技术的角度来拆推荐策略,核心可以分为召回模块和排序模块。
召回要圈定推送的集合:可以通过分类、标签、主题等召回,也可以根据CTR、时长、点赞、评论等召回,还有运营的强制干预等。
产品可以不了解具体的模型是如何运作的,但最少要理解,召回源和用户可能感兴趣这个点是要有关联的。(比如,为什么要召回热点?因为用户爱看热闹,热门的大概率会感兴趣。)
免责声明:本文系转载自其它媒体,版权归原作者所有;本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,旨在传递信息,不代表本站的观点、立场和对其真实性负责。如需转载,请联系原作者。内容会稍有编辑,如果来源标注有误或侵犯了您的合法权益等其他原因不想在本站发布,来信即删。投稿等其它问题请联系本站
文章来源:http://www.woshipm.com/user-research/4173965.html
声明:本站所有文章资源内容,如无特殊说明或标注,均为采集网络资源。如若本站内容侵犯了原著者的合法权益,可联系本站删除。