評論區設計策略——讓你的評論FUN起來

15 評論 10288 瀏覽 192 收藏 12 分鐘

本文主要從審核機制、排序算法、評論運營、個性化推薦切入,思考如何讓評論區更有趣。

對一個互聯網產品來說,好的評論運營邏輯可以營造強大的社區氛圍,助力增長,如網易云音樂、抖音。

目前市面上流行的評論樣式有:平鋪式、主題式、蓋樓式、對話式、混合式,大家都很熟悉。

(資訊APP評論區截圖)

先回憶下我們在評論區活躍的動機有哪些?

逛淘寶購物時翻閱評論,主要是想依靠評論消除疑問或做出決策;

聽歌或閱讀資訊APP時查看評論,主要是尋找共鳴或了解輿論風向(延伸閱讀);

當被提醒評論被回復/點贊(與己相關),情不自禁點擊進入評論區。

基于上述用戶在評論區的活躍動機,可將用戶需求理解為:時效性(我要看最新的評論)、邏輯性(我要看懂評論)、趣味性(我要看最好玩或有用的評論)。

需求拆解完,我們來看看“讓評論區FUN起來”的方案,下文主要從審核機制、排序算法、評論運營、個性化推薦切入,啟發思路。

01 評論安全審核機制

同文章分發,評論的分發也需要安全審核機制,方式有:

  1. 先發后審
  2. 先審后發

處理優先級可遵循:流量熱門的內容優先處理;重要賬號的內容優先處理;高信用用戶的內容優先處理。

安全審核機制和舉報懲罰機制、用戶頭銜評級系統,共同構成評論土壤的守衛墻。除了以上官方的處理機制,還可以發揮用戶“眾志成城”的力量,共同維護評論或社區的內容生態,如下圖:

(左:最右app,右:網易新聞)

評論清理的過程中,留意一些避免傷害用戶參與積極性的小技巧。如先審后發的評論,僅用戶自身可見、僅粉絲可見,待通過審核再取消曝光限制;評論刪除同理,用戶自身對評論仍可見,但該評論已從大眾的曝光list中剔除。對一些“滿懷惡意”且“屢教不改”的用戶可進行禁言加黑名單的懲罰。

02 尋找優/劣質評論

以資訊APP為例,評論區展示邏輯一般有兩種:熱門評論(精彩評論)和最新評論,后者是以時間倒序排列,前者可以簡單按點贊或回復數倒序排列,精細化運營可以有更多提升空間,整體思路是:找到優質/有趣的評論,制定合理健康的排序規則。

怎樣從海量的評論中找到優質、有趣的評論,四字方針:除劣拔優。

先從文本入手,可以通過敏感詞濾網和特征識別,將低質評論過濾掉,如:

  • 有過多重復詞
  • 違禁詞
  • 錯別字
  • 字數少、純表情、亂碼
  • 廣告

也是通過文本特征,可以識別出對聯、打油詩、押韻、角色扮演、深度答疑、講故事這類具有特殊的文本結構的特色評論(前期需要做濃度摸底),可在排序環節加權或強插。

另一方面,從評論用戶角度出發,一般來說哪些用戶發表的評論質量比較高呢?(由于用戶行為計算量較大,前期需要評估性價比)

  1. 頭銜:評論頭銜較高的用戶評論活躍,這類用戶的評論應該受到重視。
  2. 學歷:高學歷人群思考完整性相對較好,所使用的詞匯可能會比較好,不容易出現“好好好、贊贊贊”等比較水的評論。
  3. 歷史評論互動數:某個用戶之前發表過的評論得到的點贊數特別多,可以在一定程度上幫助我們預測他的最新評論的質量。
  4. 用戶畫像:通過歷史行為統計發現用戶活躍的特征,提高一定的權重。例如某個活躍度較高的用戶的核心興趣是科技,內容消費大部分是科技內容,他在該領域可能有一定“深度”見解。

03 評論排序算法,如何克服“馬太效應”?

點贊數是多數評論區常用來做排序的因子,但單純依賴點贊數會產生一個問題:先發的評論有“前排沙發”的曝光優勢,容易出現“霸榜”現象,后發優質跟貼被埋沒,會打擊用戶的評論熱情。可以嘗試以下幾種方法改善問題:

在算法加一個時間衰減因子能緩解這個問題。隨著時間推移,這個因子變得越來越大的時候,會把先發評論的分數拉低。某些后發的評論,在有一定正向因子提權的前提下,可能會超過之前的評論,從而“奪位”成功。

在重排階段加人工規則。如評論時間在文章發布后距今的后1/2時間段內的,進入提權插入隊列。

在熱門評論區中尾部開辟試投區邏輯。由機器篩選的后發優質評論,排隊滾動,使后發的潛力評論進入“賽馬”機制。

例如曝光量達到500次的時候,互動數需要達到一個預期值(這個數值可以是點贊數,也可以是其他關鍵行為),達到預期值的評論在排序中加權,未達預期值則進入下一條評論輪換。如此不斷更新就可以保證有比較多的新增評論可以在評論區里不斷被曝光。

熱門評論的排序算法流程大致可類比推薦系統:

  1. 召回:過濾低質和不符合展示要求的評論
  2. 粗排:優質特征提權 & 時間衰減
  3. 重排:固定位優先插隊 & 提權插隊 & 試投插隊

可能的相關因子一覽表:

04 評論運營

為了提高用戶的參與感,會疊加一些運營手段。如果想增加預想行為的發生概率,觸發要顯而易見,行為要易于實施,動機要合乎常理。

1. 評論氣泡引導

目的是提高功能滲透率,這是新功能上線常用的推廣手段,關注引導的時機和方式。

2. 評論置頂、評論加精

通過“機器候選人工挑選”的方式,給精彩評論蓋章(突出)或置頂上熱門,一能讓用戶快速看到精選評論,優先消費頭部內容,二能形成官方肯定的反饋機制,其注意點是:做好內容質量把關,規避政審風險。

(左:皮皮蝦,右:網易新聞)

3. 機器點贊或回復

評論互動冷啟動是基于“人渴望得到肯定或其他積極的反饋”的心理需求。

根據“上癮”模型(觸發->投入->多變的酬賞->行動),酬賞分為社交酬賞、獵物酬賞、自我酬賞,社交酬賞指通過與他人的互動而獲取的人際獎勵,從而產生一種自我滿足感、成就感,帶著期望再投入下一次行動。讓機器人分擔冷啟動工作,能在初始化階段給用戶制造“驚喜”,也能助力新產品走出雞與蛋式困境。

4. 用戶激勵體系

根據用戶生命周期設計用戶成長體系,這個思路已經是互聯網產品提留存的標配,不累述。

5. 評論玩法模板化、活動化

網易新聞評論區段子手頻現,官方抓住這個特點開展了“開杠”、“造?!?、“賽詩節”等等,強化評論氛圍強化跟貼文化印象。

(網易新聞評論玩法截圖)

當評論區運營初見成效,不再滿足于正文頁的評論區,基于評論的特性,可以開拓哪些評論露出場景:

  1. 正文頁評論區:評論消費主場景
  2. 信息流:資訊閱讀的延伸閱讀場景
  3. 回流頁/PUSH頁評論區:資訊閱讀的輔助場景
  4. 熱議榜:提供熱文+熱議的消費入口
  5. PUSH:運營玩法提醒,與己相關的評論互動提醒
  6. 開屏/banner/浮窗等營銷場景:運營玩法提醒

05 個性化推薦的“相益得彰”

用戶的評論行為對個性化推薦系統有什么收益?從用戶維度,用戶的評論行為(包括評論、評論點贊、評論區停留時長等)可以是用于排序的CTR預估模型的訓練特征,也可以按評論活躍度將用戶分層做功;從內容維度,可以對高評論內容單獨召回推薦,也可以對高評論內容排序加權,這里可以給個性化推薦提供新的嘗試方向。

以上所有的優化,無論是機器算化還是運營調控,宏觀上可觀測以下指標:

針對頭部熱點內容做精細化運營和引導,打造頭部效應,對無意義內容進行下沉處理,是目前評論運營比較主流的做法。

反觀現在很多互聯網產品的評論區,戾氣和怨氣太重,吐槽一大片,這其實是背后產品策略放縱的結果。

將用戶遇到的問題和設計者的解決方案頻繁聯系在一起,以幫助用戶形成一種習慣,才能收獲一種美好“預期”。

參考文獻

《上癮》[美]尼爾·埃亞爾,[美]瑞安·胡佛

 

本文由 @張小喵Miu 原創發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于CC0協議。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 學到了

    來自四川 回復
  2. 專業,不愧是大廠產品

    來自廣東 回復
  3. 您好 看了這篇文章 收獲很多!
    想討論下,關于試投區,哪些標準可以作為評論能否進入試投區的參考呢

    來自四川 回復
    1. 可以參考NLP優質標簽、人工審核標簽、評論發表時間
      還有用戶維度,高等級用戶、評論活躍且獲贊多的用戶的評論,但一般來說數據會比較稀疏

      來自北京 回復
    2. 還是大神厲害!

      來自四川 回復
  4. 手動點贊~

    來自上海 回復
  5. 可以私聊嗎?學習下評論

    回復
  6. 最近在重點做評論,可以私聊嗎 有些問題想探討一下

    來自廣東 回復
  7. 文章很棒

    來自廣東 回復
  8. 專業

    來自廣東 回復
  9. 寫的不錯,手動點贊

    來自北京 回復
  10. 文章好棒,最近在做相關項目,認真看完受益匪淺??

    回復
    1. 共勉 ??

      來自浙江 回復
  11. 寫的非常好

    來自福建 回復
    1. 謝謝^_^

      來自浙江 回復