UGC內容社區,推薦系統要做6點之-作者篇
對于內容型社區而言,推薦系統是一個很重要的流量分發調控手段,那么,UGC內容社區可以怎么結合推薦系統來與各類不同角色進行交互?這篇文章里,作者先闡述了與“作者”這一角色交互的場景和策略,一起來看看吧。
推薦系統作為內容型社區內容流量分發的一個重要的調控手段,在構建一個健康的內容社區中起到了關鍵作用。典型的有類似B站這類UGC與PGC結合的內容社區,有小紅書這樣UGC的內容社區,這兩種不同的內容社區形態,其背后對應的內容生態及運作方式都需要推薦系統在其中起到關鍵作用。
那么,推薦系統為了讓整個內容社區的生態愈發健康,良性發展,需要面向不同的社區參與方提供不同的產品或者運營機制,以實現UGC內容社區的良性。
這個系列的文章旨在探討類似小紅書的UGC的內容社區,是如何通過推薦系統與各角色進行交互從而推動生態發展的。
UGC社區參與人員一般有作者,平臺方,讀者,以及廣告主,其關系模型一般是這樣:
作者
一個內容社區最核心的資源應該就是作者了。優質的作者資源作為內容型社區平臺的核心資源產出者,一定是在各個生命周期或者環節需要和推薦系統進行交互的,那么如何通過推薦系統對不同階段的作者進行交互,才能讓整個生態系統運行更好呢?這里,就需要推薦系統處理好作者與推薦系統交互時的獎勵與懲罰措施了。
通常,在一個作者領域來說,會將作者根據新手、腰部、頭部進行劃分實現分級管理。
當然,實際的生態系統要遠比這幾個分級更為復雜,要綜合考慮到作者的垂直度、作者的粉絲數量、作者的內容質量、作者的輿論系數,甚至作者的受眾在平臺的活躍等等因素,進行綜合評估,得出作者在平臺當中的分值。
作者的分布分層關系:
1. 頭部作者
擴大影響,進行變。
這類用戶通常已經獲取了足夠的流量和粉絲,并且這類的KOL的內容發布調性,很大程度上決定了內容社區的內容調性。所以,這類用戶在平臺需要做的是:提升影響力、產生變現。
- 在這個階段,一般是平臺運營和推薦系統共同維護這批用戶了,推薦系統可以做的是:
- 流量訴求,一般來說,推薦系統對于頭部作者的內容,通過粉絲用戶優先推薦、在內容質量度上進行先驗加權、內容質量加權等措施,一般都可以得到相對應的足夠的流量。
- 影響力,推薦系統也可以嘗試對頭部作者的內容進行跨域推薦,也就是嘗試將頭部作者的內容嘗試分發到非垂直領域的用戶,通過分發手段,擴大作者的用戶覆蓋面及影響力。
- 服務訴求:在內容審核服務,上線服務可以針對頭部流量優先進行任務調度。
- 利益訴求:在頭部作者可能的進行商業變現行為時,比如直播或者電商帶貨開店,適當進行流量扶植也是可行的辦法,或者推薦系統針對關注粉絲進行分發,也可以對頭部作者起到激勵或者持續產出高質量內容的效果。
2. 腰部作者
利益驅動,挖掘頭部。
這類用戶在平臺積累的一定的經驗,并且對自己發布的內容已經有了一定的受眾,且在嘗試利用流量進行商業變現了。在這個階段,腰部作者需要的是更多的流量和粉絲,同時可以通過內容發布獲取更多的經濟效益。
那么,推薦系統在這個階段可以為作者做以下事情:
- 保底流量訴求:可以針對不同粉絲量級、不同垂直度的內容作者設計不同的內容發布流量保底模型,以保證內容在分發出去時可以獲取一定的流量基數,可以根據作者的內容往期內容的質量度對內容進行先驗評級的評估,同時綜合先驗評級和作者等等因素提供對應的流量模型出來,以實現作者發布內容的基礎流量需求。
- 爬升流量訴求:可以根據內容的后驗數據,對內容進行垂直領域的用戶分發,通過識別高質量內容來實現流量分發的效果。
- 腰部作者爆款打造:另外,在腰部作者邁向頭部作者的過程中,有一個環節一定繞不開的,那就是“爆款”。在先驗數據確定后,對內容進行后驗,并根據內容后驗評級去設計不同的流量階梯模型,從而嘗試將腰部作者的內容挖掘、打造一個爆款,也是十分重要的。
- 作者周期多目標分發:另外,不同的內容分發出去后,其對應的正反饋也會不一樣,推薦系統可以綜合內容吸粉、點擊率、收藏率、停留時長等等目標,對用戶當前所處階段進行綜合評估分發,以促成用戶粉絲的增長。
3. 新手作者
數據刺激,驅動發稿。
通常新手作者發布內容的質量是參差不齊的,面向不同的垂直賽道,在這個階段,用戶處于嘗試期,前期希望獲取一定的流量能夠讓自己的內容更多的推薦出去,獲取更多人的關注,從而得到流量和粉絲兩者數據的綜合反饋。
這個階段,推薦系統可以做以下事項:
- 新人期的流量扶植:推薦系統對于新手作者的前期內容進行流量分發,通常設定一個扶植流量,通常扶植流量的定額是根據選擇的賽道和內容的后驗數據、先驗數據進行綜合評估的。
- 新人期的內容質量度:通常推薦系統在可控范圍內,會對新人期的內容質量度放寬要求,設定一定的指標空間,放寬內容的準入和分發標準,但這種指標的放寬周期會隨著作者的內容發布數量、注冊時間等指標的推進,逐步的收攏標準,從而維系好整個生態的平衡的。
- 內容參照:新手期作者一般處在用戶與作者兩個角色之間,可以通過做為作者選擇的垂直賽道,進行多角色間的跨特征推薦。同樣也能為創意挖掘可內容的發布的可持續性,都有比較良性的作用。
4. 可能作者
內容驅動,完成轉型。
對于可能性的作者來說,這階段的用戶處在從用戶轉向作者的搖擺期,這個時間段的用戶,需要對應的利益點刺激和找到自己可以模仿或者希望從事的賽道KOL,來解決一個利益點刺激和內容發布方向和“作業”兩個問題。
通常,推薦系統需要在用戶的這個階段重要的是幾個事情:
- 準確識別并挖掘這類用戶:如何識別這類用戶通??梢越柚斯ず退惴ㄒ巹t兩方式,如通過新手作者的前置行為數據、基礎數據進行歸因,進行特征統計??梢缘贸鱿鄬蚀_的什么樣的用戶會會成為作者。
- 提供合適的利益點刺激:在確定好用戶后,推薦系統在這個階段可以提供比如成為UP主會有什么好處,做UP主掙多少錢這類的利益刺激,逐步嘗試將用戶的的角色轉變,通常來說,不同類型用戶的利益點是不一樣的,有的用戶是經濟利益、有的是數據利益,推薦系統在這種場景下進行個性化或者多利益點的試探,都是可行的。
- 社交刺激:小紅書類的社區通常也具有一定的社交屬性,而且有一定的從眾心理,通過對用戶分發在其社交范圍內的用戶內容,也會起到一定的刺激作用。
- 提供合適的賽道KOL作為參照:搖擺期作者一般會比較難著手的一點是在于比較難找到自己的賽道,通常,在該階段提供具有垂直賽道經驗且能夠提供利益刺激分享的作者,會更能夠刺激用戶進行轉化。
5. 懲罰措施
另外,在推薦系統進行流量扶植的同時,也會針對特定的用戶進行流量懲罰和打壓。比如一些違規、違政、輿論作者。推薦系統一般會根據用戶的類似信譽評級的體系,對其發布的內容及對應作者進行流量降權。通常這個體系需要有三個環節,打壓標準,標準的判斷,打壓的執行。
通常平臺會有不同違規方式的標準,推薦系統可以根據這套預設的標準,分別在內容識別、內容分發等階段,根據先驗的數據和后反饋的數據執行平臺的標準。推薦系統預設一套執行的邏輯,比如召回、排序、重拍甚至過濾的全面降權,不同等級會執行不同的打壓方法和標準。這同樣也是一個比較復雜的機制。
總述
綜上,一個好的內容社區,如何通過推薦系統能夠讓不同階段的作者能夠在其對應階段獲取對應的價值,從而促使整個社區能夠不斷地有新的作者進來,也能夠淘汰劣質作者,也能夠從海量的作者中不斷地挖掘出頭部作者,從而引導整個社區的內容話題或者社區基調是我們作為策略產品需要不斷挖掘對應的場景和設計對應策略的。
雖然模型能夠解決很多問題,但在整個生態業務、社會環境、全民導向在不斷發展的情況下,如何將人的思想、思考模型化,并且通過算法的方式去表達出來,才是策略產品的核心價值。
下一篇,我將講述UGC內容社區,推薦系統要做6點之-內容篇1。將會比較系統的講述UGC內容中,推薦系統是何如與內容做交互的。
本文由 @策略產品阿爭 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。
該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。
這小半年過去了,怎么杳無音訊啊