#1000本书计划# 真正过滤掉你的，是你的认知

#1000本书计划# NO.146︱《内容算法：把内容变成价值的效率系统》

作者：闫泽华，知乎知识市场产品总监，曾任今日头条资深PM。

前言：

本文仅作为阅后感言，主要从自己所需的（运营）角度出发，对书中的重要精华进行摘录或结合自己的思考进行解析，不是拆书。信息量略大，慎读。

在我看来，本书第一部分关于内容推荐的后面三章是本书的精华所在：常见的推荐问题，带着偏见看推荐和面对推荐系统，对整体内容算法的实操逻辑和思考作了分解呈现，实在没有时间的朋友可以主要阅读这三章。

短期的干预是应该逐步被长期的机制所替换的。替换是必然的，但是循序渐进的。从这个角度来看，内容算法所带来的推荐信息流成为用户资讯的主要来源是大势所趋。

在这个过程中，产品的引导流程是否完善？门槛的目的，定义和标准是否清晰？

人以群分是基于用户行为的协同过滤。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，是协同过滤的基础。

协同推荐分为3个子类：基于物品的协同，基于用户的协同，基于模型的协同。

平台对自媒体的评估角度：适合平台的内容价值，基于平台的持续贡献，依托于平台的作者品牌。

对于内容分发平台而言，追求的是符合自家平台调性的内容，而非全网PR意义上的优质内容。对于社区而言，符合自己调性的才是有价值的。

原创度，垂直度和传播度是大多数平台评估“基于平台的持续贡献”的指标，我们可以继续分解，你的产品所需要的用户是否进行了指标的不断细分？是否去思考如何才能扶持依托于自己平台的优质用户？

对做撮合生意的平台而言，如果不能将生产端彻底自营化，那就始终需要解决生产端的预期管理问题。

优质内容的衡量标准是什么？符合产品调性的内容。

比如再从受众角度，策划角度，深度角度，题材角度等方面对衡量标准进行更加具体的细化。

比如阅读的价值如何衡量？

作者指出，可以从内容稀缺度，作者角度和互动行为去做衡量，从而引导推荐系统的分发流程。

无论是内容的选题，筛选还是反馈，不但要有标准，还要有越来越细致的标签和示例，运营的其他方面同理。

当发现主观上觉得差的内容得到过高推荐量的时候，产品，技术，内容运营会坐下来探讨：

一. 这是不是一个问题，如果是问题的话，是不是一个频发的问题，以此来确定解决与否和解决的优先级；

二. 探讨更系统的解决方案，让这一类而不是这一个问题得到更系统的解决。

产品的核心指标是什么？有价值用户的长期留存。

有价值用户：价值如何定义？谁在付费？用户的定义如何拆分？

留存：如何测试留存指标？如何优化业务指标？主要场景和主要路径还可以优化么？只要是用户，其实是无法脱离用户价值和生命周期这两个概念的。

内容推荐作为内容运营的大势，运营只会越来越精细化。

每一个行业即便有每个行业的特点，都离不开运营踏踏实实的基本功。

共勉。

晚安。