編輯導語：對于運營者來說，內容至上是不變的真理。無論采取什么運營手法，都需要內容的支撐才能收獲良好的效果。然而內容運營并不僅僅只圍繞內容生產，內容被消費才有意義，于是核心就是采取好的策略去篩選和分發生產的內容。本文作者就為我們介紹了運營必須了解的內容分發策略之一——打壓與推優。

內容是一個社區產品最直觀的價值體現，也是連接社區生產者與消費者的橋梁紐帶。

但社區內容運營的工作遠不只是圍繞內容生產，酒香也怕巷子深，能被消費的內容才是有意義的內容，故而核心就在于如何篩選和分發這些已經生產出來的內容。

無論你是否從事內容分發的工作，都需要對其邏輯有所了解。

對此可以將之拆解為5個問題：

1. 讓什么樣的內容被看見？
2. 讓誰的內容被看見？
3. 什么內容先被看到？
4. 內容該被誰看見？
5. 內容在哪里被看見？

由這些問題可以歸納出三個工作方向：打壓與推優、推薦算法、分發場景，本文重點解析打壓與推優的邏輯。

一、生產者的打壓與推優

有人可能會質疑，社區產品的使命不就是讓每個生產者的內容都能被看到嗎？為什么會有“讓誰的的內容被看到”這種命題？

人人平等是慈善，做生意就一定有歧視。畢竟我們要做并不是發現每一條優質內容，而是讓發現優質內容的概率與效率變高。

無論是冷啟動社區，還是抖音快手這種頂流，流量都是有限的，把流量分給有優質內容生產能力的用戶：一方面可以提高流量的利用效率；另一方面也可以提高被消費的內容質量，是內容推薦工作的第一步。

為了精準定位有價值的生產者，可以將之按價值由低到高分為6類：黑名單用戶、流失用戶、低活用戶、新用戶、活躍用戶、KOL。

1. 黑名單用戶

這一類用戶已經觸發過社區的內容安全規則，比如發布過違規內容或者賬號行為異常等。其作為生產者的價值最低，是重點打壓對象，平臺通常不會給他們的內容任何流量，嚴重者甚至封禁賬戶或發布功能。

2. 流失用戶

指長時間未有登錄行為的用戶，因其對平臺的黏性較低且有再次流失的風險，故而要提高其內容曝光的門檻，可參考如下指標：

• 連續活躍時間；
• 單位時間內發布作品數量；
• 在社區中累積的消費、互動行為數量。

滿足標準后，才會給予曝光的機會，并觀察其后續表現。

3. 低活躍用戶/新用戶

總體來看，此類用戶生產的內容質量較差，試探、嘗鮮類的內容較多。

但其作為源頭活水，為達成發掘潛在活躍用戶與KOL的供給和提高留存的目標，會分給其少量流量。

4. 活躍用戶

對這一部分用戶實行的策略是“有限的機會平等”，對他們發布的作品給予有限的流量來驗證內容質量。爆款內容與新的KOL通常在這一部分用戶之中誕生。

5. KOL

指在社區中累積了一定粉絲量的生產者，他們的內容產出頻率與質量相對穩定，通常會給予一個更大基礎流量池來做流量驗證，哪怕數據表現不如活躍用戶群體所產生的爆款內容，也會獲得可觀的流量。

生產者分層推薦的策略，就是基于以上的分類，將不同的生產者接入不同的審核路徑與不同量級的基礎流量池，進而通過人工+流量的雙重驗證來篩選優質內容。

常見的抖音養號的，就是通過反推抖音的生產者分層邏輯來模仿良好賬號行為提高自身賬號的權重。

二、內容的打壓與推優

內容在發布之后，通常會經歷這些步驟：黑名單過濾、機器審核、人工初審（打壓）、流量分發（隨機流量）、人工復審（標注、推薦）、流量分發（算法競賽）、出池/沉底。

1. 黑名單過濾

即前文提到的黑名單用戶，被規則識別到后，將無法發布內容或所發布內容僅自己可見。

2. 機器審核

通過機器學習算法識別內容中的敏感文字、圖片、視頻截幀、md5值等，快速打壓違法違規、重復發布等劣質內容。

確定有問題的內容會被刪除，無法判斷是否有問題的嫌疑內容會進入人工初審環節，無嫌疑的會進入基礎流量分發環節。

當然有審核余力且重視內容安全的社區會對嫌疑內容與無嫌疑內容全部進行人工審核。

機器審核通?？梢愿采w全站內容95%以上的審核任務。

3. 人工初審

這里特指嫌疑內容的審核，不包括用戶投訴內容。機器審核極大程度減少了人工審核的工作量，通常人工初審覆蓋的內容不會超過總生產量的5%。

4. 流量分發——隨機流量

通過以上3個低質內容打壓步驟后，內容即可進入推優流程，由規則判斷用戶所屬的生產者層級，并分發不同量級的隨機流量進行數據表現驗證。

• 對于視頻內容：由于數據量較小，這一階段考核的數據指標通常只有CTR（點擊率）、播放跳出率，在類似抖音的無點擊沉浸式feed中表現為完播率。
• 對于圖文帖子類內容：會考核點贊率、評論率。

平臺通常會根據全量內容的數據表現、數量需求、質量需求倒推出一條隨機流量考核標準。

打個比方：假設平臺每天有總計100萬曝光量，其中10萬分給隨機流量池，平臺每天產生的待驗證內容有500條，則每條內容會獲得曝光200次。

我們隨機拉取一批曝光在200次左右的內容，按CTR倒序排列，遵循二八定律篩選前20%的內容，其最低值為CTR=x%，即可將x%暫定為隨機流量CTR考試的及格線，并根據后續的數據復盤與業務需求持續調整。

這里僅通過簡單的例子列出思路，實際業務中制定標準需要考慮的要素會更復雜。

5. 人工復審——標注與推薦

內容達到隨機流量的考核標準后通常會再有一道人工復審，目的是為之后的較高流量曝光做準備，包括判斷內容是否符合平臺導向、內容分類標簽標注以及對優質內容的加權。

6. 流量分發——算法競賽

到這一階段后內容就會進入推薦算法的召回源，被個性化算法按照如詞向量、標簽、熱度等的各種召回因子召回到feed，憑借各自的數據表現來排序，被用戶消費。

7. 出池/沉底

在算法競賽的過程中，只要時間線拉得夠長，必定會出現沉底內容（因數據表現過差而永不被召回）和霸榜內容（因數據表現過好而一直被召回）。

針對前者可以根據業務需求的不同而決定是否需要打撈；針對后者則會設置各種形式的出池機制來保障內容的時效性，比如時間衰減系數、曝光時間上限、曝光量上限等。

三、總結

以上即為內容分發過程中打壓與推優的方式方法，僅為一家之言，會因社區規模、產品形態等等的不同而產生差異，但大多逃不過從人與內容兩個維度提高內容篩選效率的邏輯。

本文由 @酸梅湯 原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自 unsplash，基于 CC0 協議