中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

要找準用戶內容消費需求，首先，要劃分好人群內容池，對不同的池子進行內容畫像，精準投放內容；然后，要根據不同內容池的數據變化，做到對內容池內容與推薦策略的針對性調整。

之前在一本書中看到這樣一個案例：

某知企業的領導（領導A），畢業于名牌大學，關注財經、科技等領域資訊，一次和某新聞資訊平臺的運營總監（運營總監B）吃飯，開始報怨不止：

領導A：“你們APP總是給我推薦娛樂類內容，我并不喜歡這類內容，我喜歡看財經、科技等專業領域內容。”

運營總監B：“我們是做個性化推薦，只要你有興趣表達，推薦的內容應該都會是精準的，你把用戶id給我，我來查查?！?/p>

領導A把用戶id給了運營總監B，過了一會兒，運營總監B收到了收下的人發來的結果反饋，結果讓他哭笑不得。

他對那位領導A說：“并不是我們的APP總給你推薦娛樂類內容，而是每次給你推薦娛樂、財經、軍事、科技等領域內容，你點擊娛樂內容最多，興趣表達最為強烈，由此積累的畫像信息很明顯，因此造成總是給你推薦娛樂類內容?！?/p>

領導A：“沉默不語……”

從上面這個例子可以得到這些信息點：

1. 高學歷的人，關注的信息更加符合自己的身份層次，帶有強烈的身份價值認同，比如：財經、軍事、科技、互聯網、時政、國際等等具有深度、專業門檻的內容。
2. 即使你是一個高學歷的人，關注各種有深度的內容，也無法避免人類所共通的本性，也會下意識的去關注泛娛樂、無需動腦的消遣性內容。
3. 不管處于何種社會地位，擁有怎樣的教育程度，回歸本真，都是一個普通的人，有著人類所共有的特性，即使你極力想要證明自己是多么高端、有逼格，但人類共通的本性是無法磨滅的。

通過上面的案例，我聯想到最近負責的內容池項目，通過用戶教育程度來劃分本科以上與本科以下的內容池，利用池子聚合不同維度下優質內容，來滿足不同群體用戶的內容需求。

下面我將用這個例子，來談談：怎樣找準用戶內容消費需求？

本科以上與本科以下，可以廣義理解為高學歷與低學歷。按照通常意義的理解，高學歷與低學歷人群存在著諸多差異點，去問稍微有點互聯網知識的人，都能說出幾點：

• 高學歷更多關注財經、軍事、科技互聯網、時政國際、社會深度等領域內容。
• 低學歷更多關注搞笑幽默、情感娛樂、家居生活等領域內容。

實際情況真是如此？

相信會有很多人站出來反對這些結論。因此，按照這種邏輯來搭建內容池，方向有失偏駁。

我們再往深層思考，每個人群都有專屬的共性需求，但不同人群也有共通的共性需求，這種需求就是人類本性所需要的，老少皆宜，文章開頭提到的案例就是很好的例證。因此除了搭建滿足本科以上與本科以下的各自特有共性內容池，還需要搭建滿足兩者的共性內容池。

當劃分好人群內容池，那么該怎樣去尋找不同人群內容池各自的共性需求？

個人認為可以從以下幾個方面進行：

1）調研不同人群的的用戶，了解他們的內容消費需求。比如：針對本科以上與本科以下的用戶可以調研初高中、本科、研究生、博士、博士后等，從中挖掘共性需求，且這些內容需求畫像的顆粒度要細，這樣才具有很強的區分度。

• 優點：當樣本量足夠大時，得到的結論會無限接近于實際情況，具有代表性。
• 缺點：需要耗費人力物力
• 總結：可以在人力物力允許的情況下，每個人群（比如每個學歷層級）實際調研一些用戶，數量不用太多，然后從中總結共性需求，由此得出的結論為頭腦風暴提供驗證數據。

2）利用平臺已有的不同人群用戶閱讀行為數據，按照不同的數據指標，拉取不同人群的消費內容，從中挖掘不同人群的共性需求。

• 優點：實操性強
• 缺點：不同平臺對人群的定義不盡相同，且定義的準確性有待商榷，可能會導致最后得出的結論與實際情況相差甚遠。
• 總結：可以利用這部分用戶數據作為參考。

3）搜尋網絡上各種研究報告，借用別人的研究結論，從中梳理總結自己需要的東西。

• 優點：方便、快捷可操作
• 缺點：不能保證研究報告是否真實可靠，需要自己考證，梳理總結時，需要一定的鑒別能力。
• 總結：這種途徑獲得的結論雖然快速便捷，但是需要驗證，防止結論有失偏頗。

4）根據過往認知與經驗，進行頭腦風暴。

• 優點：實操性強，隨時隨地都可進行。
• 缺點：受限于認知水平，結論可靠性較低。
• 總結：積沙成塔，眾人拾柴火焰高，但得出結論需要慎重。

當確定好池子的內容畫像后，即可著手搭建池子，進入投放階段。就拿本科以上與本科以下內容池來說，在投放階段，需要再增加一個兩個人群皆可看的內容池進行混合推薦。

• 本科以下人群推薦邏輯：本科以下+老少皆宜
• 本科以上人群推薦邏輯：本科以上+老少皆宜

邏輯拆解：本科以上與本科以下，旨在滿足各自人群的共性內容消費需求，老少皆宜旨在滿足不同人群共性的內容需求。在機器推薦時，合理配置池子內容，根據用戶點擊反饋，靈活調整內容配比。

當內容池內容開始投放之后，我們需要觀查哪些數據：

1. 文章粒度數據：各個內容池的文章曝光量、點擊量、ctr、停留時長、文章分發占比等。
2. 內容池粒度數據：各個內容池整體曝光量、點擊量、ctr、停留時長等。
3. 用戶行為路徑數據：不同刷新數與點擊數下的留存率，人均點擊量、人群-人均點擊量等，需要查看用戶id，親自體驗不同人群的內容推薦，驗證實際效果與預期是否有偏差。

通過觀察不同內容池數據變化，做到對內容池內容與推薦策略的針對性調整。

通過教育程度對用戶進行拆分，從確定分層用戶—確認分層用戶的共性內容需求—確認內容推薦策略—數據驗證—分層用戶調整，形成一個閉環。通過不斷的實驗，不斷的內容優化調整，從用戶到內容，再從內容到用戶，不斷的循環往復，逐漸達到用戶與內容，內容與用戶的完美匹配。

本文由 @珂然 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