本文針對剛起步與用戶量不大的UGC內容社區，分享了兩種基于內容熱度的推薦展示規則，同時結合了目前幾大UGC內容社區案例進行展示。

首先科普一下社交產品、社區產品、UGC、PGC的含義：

• 社交產品：以沉淀用戶關系鏈為主，體現在：如何讓用戶之間建立關系、保持關系、升華關系；
• 社區產品：以沉淀內容為主，體現在：如何讓用戶生產、消費內容，如何為用戶呈現內容；
• UGC：指用戶原創內容平臺，如抖音、知乎、Instagram、小紅書、IN；
• PGC：指專業化、規?；a內容的平臺，如愛奇藝、優酷、早期的騰訊新聞。

UGC內容社區信息流

以上分別為Instagram、小紅書、即刻的內容信息流，分別代表了UGC內容社區三類典型的布局方式：純圖片信息流、圖文縮略信息流、圖文詳情信息流，在數據層面它們都有一些相似特征：

• 每次下拉刷新內容會變化；
• 內容幾乎不會重復出現；
• 內容的點贊、轉發、評論等數據都相對較高。

以上方App內容信息流為示例，分享2個基于內容熱度的推薦展示規則，適用于剛起步與用戶量不大的UGC內容社區，拋磚引玉，僅供學習與交流。

熱度隨機曝光規則

方案目的：

• 熱度高的內容應得到高曝光；
• 盡可能多的向用戶曝光內容；

應用場景：

發現、推薦、探索類信息流。

上圖是小紅書的內容詳情頁，包含有點贊、收藏、評論、轉發這些基本數據，所以我們需要拿到這些數據設計規則并進行排序計算，如果想把規則做得更精準，則可考慮把頁面停留時間、頁面跳出率等埋點數據納入計算。

熱度排序

• 首先判斷：點贊數高低，更高的靠前；
• 如果點贊數相等：判斷收藏數，更高的靠前；
• 如果收藏數相等：判斷轉發數，更高的靠前；
• 如果轉發數相等：判斷評論數，更高的靠前；
• 如果評論數相等：判斷發布時間，發布更早的靠前。

排序規則的判斷指標、先后順序，都可以根據實際業務調整。

數據過濾

• 在所有作品中，取出發布時間在5天內的作品，挑入備選池；
• 對備選池里所有的數據，使用熱度排序規則進行排序計算；
• 取出排序后數據中排名前20%的作品，挑入曝光池；
• 如果排名前20%的作品數量，不足曝光池限定的最小數量如400，則應把另外80%的作品，按排名依次填充到曝光池中，直到滿足最小數量要求。

如果不設定曝光池的最小數量限制，則可能導致計算后的數據不足，內容無法飽和填充。

經過以上步驟，就過濾出了社區中一段時間內熱度較高的作品數據，其中5天，20%，400這3個參數，可根據實際業務調整。

刷新機制

• 方式1：每 x 小時執行一次規則；
• 方式2：監控新作品增量，當增量達到 n 時，執行一次規則。

數據返回

• 每次請求的數據，都隨機返回；
• 當分頁數據被請求到末尾后，繼續從數據頭部開始返回，保持數據循環展示。

保證每位用戶的每次信息流下拉操作，看到的都是隨機數據，提高了曝光池中每一份作品的曝光幾率。

如果有進一步精細化曝光的需求，則可以考慮對熱度不同的作品分權重曝光，如在小紅書信息流的示例圖中，有8155點贊量的作品，也有30點贊量的作品。

方案2：歷史熱度排名規則

方案目的：根據熱度展示內容與排名；

應用場景：熱門類信息流。

熱度排序

• 首先判斷：點贊數高低，更高的靠前；
• 如果點贊數相等：判斷收藏數，更高的靠前；
• 如果收藏數相等：判斷轉發數，更高的靠前；
• 如果轉發數相等：判斷評論數，更高的靠前；
• 如果評論數相等：判斷發布時間，發布更早的靠前。

排序規則的判斷指標、先后順序，都可以根據實際業務調整。

數據過濾

• 對社區中所有作品按熱度排序規則進行排序計算，且要排除已進入熱門池的作品；
• 取出排名前 x 名的作品，放入熱門池的子列表中；
• 子列表再放入父列表中，按照子列表的創建時間倒序排列；
• 如果當前計算中發現無可用作品，則本次計算直接跳過，等待下一次計算；
• 如果整個平臺的可用作品數量 < x，則有多少就展示多少內容。

刷新機制

• 方式1：每 x 小時執行一次規則；
• 方式2：監控新作品增量，當增量達到 n 時，執行一次規則。

該方案在目前的移動互聯網中，實際應用的場景已不多，但在少數web端的產品中如：虎嗅、36氪的信息流中，還能看到影子。

在目前的信息流展示策略中，最受認可的實屬頭條系的興趣推薦算法，但對于普通企業來講建設成本極高，有興趣的朋友可以自行了解一下。

以上，拋磚引玉，歡迎指教，期待更多交流與學習。

本文由 @Ethan 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