读书笔记 [15-2]
【15-2】
【传媒营销】
《内容算法 —— 把内容变成价值的效率系统》 —— 闫泽华
“如果不能量化，就不要妄论优化”
感谢陪伴～
【摘 —— Part 1】
（A）
·以【留住用户】为第一目的
·【把用户的消费行为作为特征，以此进行用户相似性或物品相似性的计算，进行信息匹配】，是【协同过滤（Collaborative Filtering）】的基础
·基于【用户】的协同：
找到那些与你在某一方面口味相似的人群，然后将这一人群喜欢的新东西推荐给你
·基于【物品】的协同：
先确定你喜欢什么物品，再找到与之相似的物品推荐给你～物品与物品间的相似度是从【用户反馈的角度】而非内容属性的角度
（B）
·通过【场景划分】和【交互界面】来实现效能最大化
·【周期性消费（节假日、重要赛事等）】和【短期热门事件消费】
·【指标】是我们对业务的抽象和预判印证，所以，客观上它是【后验性】的
·评估指标可以大致拆分为两部分：
【推荐准确度】
【推荐覆盖度（多样性）】
·从工程的角度出发，【推荐理由】提升了推荐系统的【透明度】，让用户明白为什么会推荐该种类型的内容
·【交互界面】的迭代辅助了用户的决策，引导用户按照系统所期望的方式前进，以实现提升系统指标的最终目的～【“交互界面 > 数据 > 算法”】
（C）
·【增量的用户】【增量的内容】
·只有【满意度较高的点击】才算得上是对内容的【有效正向反馈】
·基于内容的展示和消费，各类属性可被拆分为【内容展现维度（展现给用户的信息）】和【内容消费维度（作者层和内容层）】
·新的用户和内容对推荐系统而言都是没有过往信息积累的、陌生的，需要积累一定的曝光量和互动量（阅读、分享等）来收集基础数据，这个从0到1积累基础数据的过程就是【冷启动】～其效果好坏直接关系到用户端、作者端的满意度和留存率
（D）
·【PR（Publish Relations，宣传效果）】
·内容从哪里来？【作者！】～【高权重因素】
·不同的平台有着各自【不同的调性】～外来的未必合适
·在冷启动阶段，【新用户】更倾向于【热门内容】，而【老用户】则更需要【长尾内容】的推荐
·在【系统体量较大】的情况下，一个确实有用的办法是“大力出奇迹”，即【不考虑所有先验信息，直接将内容交给推荐引擎来判断】～生推
（E）
·【“持续努力”】代表了自媒体的成长性和积累性
·【重复】，对于内容推荐来说，是一个必须解决的【问题】
·【评估】，是为了【择其优者】，【服务】，是为了【悦其善者】
·【平台】与【自媒体】之间的合作，是一个双向选择、共同进步的过程
·【密集】是指用户的推荐列表中同一类内容的占比过高，导致局部多样性丧失
·【“一定的预期收益”是最终态】，生产端通过评估最终态来决定自己投入与否～能够让自媒体保持稳定的内容产出，一定会归结到【收益层面】
（F）
·【专门的数据标注人员】
·内容分发的初心：【如你所愿，阅你所悦】
·作为一种消费品，内容是有【特定消费时空限定】的
·对于【易反感】的内容，【先要识别得准，再要推荐得好】
·通常采取【滑动窗口规则】，即连续多条规则尽可能在多个维度打散，降低用户的视觉密集感
·数据产品中定量分析处理问题的通用流程：
【分析影响面】
【定义标准】
【数据收集标注】
【模型评估】
（G）
·【高阅读量】就是用户【主动选择】的结果
·【计算资源与点击收益的平衡】，即什么样的内容值得被长时间保留在推荐候选集当中
·【用户间的讨论和互动碰撞】～给用户展示多元化甚至有冲突的观点，对评论的刺激作用是显著的
·（凯斯·桑斯坦《信息乌托邦——众人如何生产知识》）
【信息茧房】～在信息传播中，由于公众自身的信息需求并非全方位的，公众只在乎自己选择的东西和使自己愉悦的领域，久而久之，会将自身桎梏[gu,4]于像蚕茧一般的“茧房”中
（H）
·【理想的现实主义者】
·做产品要有【用户视角】
·【人工同机器一定不是对立的】
·【关注】场景给了用户一个稳定预期消费的场景
·“【茧房】”始终存在，真正过滤你的，是你的认知泡泡
·【专业的判断跟大众的喜欢通常会存在认知背景的偏差，在技法上有待改进的内容并不意味着缺乏受众】
（I）
·【有价值用户的长期留存】～产品的核心指标
·火车已然高速运行，就别再执念你的宝马良驹啦
·保证所有做的功能，是致力于【改进核心指标】而不是局部业务指标的
·【加大对创作环境、创作工具的投入】以促进其更好地成长
·训练机器的几个步骤：
【设定目标】～明确产品场景
确定业务的核心指标
以灵敏指标拟合长期目标
【制定保底方案】～作为基线
【发现问题】
