business,optimizing( 四 )


在内容生产中 , 为了保证调性 , 一定是需要引入编辑专家去选人、选书的 。选择的书是否有价值 , 选择的人是否是行业专家而非职业的拆书人 , 都是体现产品价值观判断的事情 。进入触达环节 , 人工干预的作用就会相对弱化 。举一个例子:运营一定会有今日推荐的需求 , 推荐给用户今日读书会上新了什么大咖领读的书籍 。比如 , 一本物理学的书籍 , 由一位物理学大咖进行解读 。
从编辑的角度 , 领读人是大咖 , 书是经典 , 编辑权重一定非常高 。这听上去似乎很合理 , 但当你进入用户的场景时 , 就发现有点差异:首先 , 用户不是每天都来的 。如果他一周来一次 , 在他没来的这一周内同样有文学、互联网、艺术等专业人士的领读 , 你该给他的是今日推荐 , 还是本周推荐呢?进一步考虑到用户偏好问题 。你是应该把物理学大咖的内容强加给他 , 还是推荐给他一个朋友们最近都好评的一本领读书(社交分发) , 又或者是他自己已经标注了“想读”的一本艺术类书籍的解读呢?当我们收集到了足够多用户数据的时候 , 又可以反过来影响内容的二次迭代 , 编辑的作用又凸显了出来 , 结合数据的反馈来对内容进行调整:内容的播放完成率为什么低?是稿件问题 , 还是领读人语音的问题 , 是否需要重新录制等等 。
五、算法的价值观算法有没有价值观呢?算法没有价值观 , 算法背后的人却是有价值观的 。因为我们优化推荐系统 , 一定会有一个数值目标 , 这个数值目标的合理性决定了整个推荐系统的合理性 。单独以点击为优化目标 , 一定会导致标题党泛滥;点击加时长目标能够一定程度抑制标题党的产生 , 但是也有可能导致用户多样性的丧失 。在这里举两个内容消费的场景 , 我们可以通过这两个场景一窥各个内容分发产品的调性所在 。
1.新用户冷启动:大家可以以新用户的身份去尝试各种内容消费服务 。比较之下 , 你就知道各家的价值观怎样的了 。因为新用户是通过不同渠道获取的 , 你获取到的是怎样的用户 , 你就会推荐怎样的内容;进一步的 , 基于马斯洛需求模型 , 越底层的内容越有更广泛的受众 。这就是为什么很多小视频应用 , 打开来之后 , 全都是白衣校花大长腿的原因了 , 人性尔 。
2.推荐多样性:多样性是另一个评估分发产品调性好坏的所在 。丧失多样性 , 深挖用户的局部兴趣点 , 一定是短期收益最大化的 。比如我喜欢看科比 , 那么你把科比的比赛视频推给我 , 可以让我刷到深夜两点;但是从一个产品的长线来看 , 我们需要更长久的留住用户 , 而不是短期让用户沉迷 。在短期时长和长期留存中 , 就依赖于产品设计者的价值观判断了 。
【business,optimizing】六、不同平台下的自媒体生态对于平台来说 , 创作者是什么?如果把平台比作一个商场的话 , 不同的平台会有不同的选择 , 最典型的两种类型莫过于:自营 V.S 第三方运营 。一种情况下 , 整个商场全部是直营的店铺 。在这样的平台下 , 每个货架都是商场自营 , 所有的创作者对于商场而言 , 都只是供货商 。另一种情况下 , 商场只提供位置 , 所有交得起入场费的店铺都可以入驻 。

推荐阅读