●推薦序
自序
引言
Part 01 關於內容推薦
走近內容推薦
推薦繫統架構初探
YouTube和Netflix推薦架構參考
基於推薦架構的優化啟示
推薦的起點:斷物識人
斷物
識人
推薦算法:物以類聚,人以群分
物以類聚:基於內容屬性的相似性推薦
人以群分:基於用戶行為的協同過濾
從算法到應用
場景劃分
推薦繫統評估指標
連接內容與人
冷啟動
興趣探索
自媒體與平臺
常見的推薦問題
推薦重復
推薦密集
易反感內容
時空限定內容
帶著偏見看推薦
信息繭房
推薦會導致Low?
編輯、算法與社交,三分天下?
面對推薦繫統
人機大戰:效率與目標之爭
數據分析驅動產品迭代
個性化的好與好的個性化
Part 02 關於自媒體
好內容為什麼沒人看
自媒體的數據分析
他山之石:BuzzFeed簡介
內容閱讀分析
粉絲增長分析
自媒體運營
內容快銷:標題黨的二三事
推薦平臺優化:從SEO到REO
粉絲運營:新時代的新問題
全平臺運營:從小作坊到MCN
自媒體變現
變現入門:平臺分成
廣告變現:品牌的溢價
自營電商:隔行如隔山
內容付費
緣何付費,規模幾何
內容付費平臺展望
隨著國民總時間概念的興起,互聯網巨頭紛紛布局內容行業,以爭奪用戶時間。作為內容生產者主力的各類自媒體也如雨後春筍般湧現,在內容創作、內容變現等方面做得風生水起。與此同時,基於算法的內容推薦分發技術得到了越來越廣泛的應用。今天,至少有4億中國人通過算法獲取內容,國內創作者群體半數以上流量來自內容推薦繫統。
通過算法實現的推薦技術基於用戶歷史數據和行為,推測用戶意圖,推薦合適的商品和內容給終端用戶,顯著提高了用戶的點擊率和留存率。隨著用戶的個性價值越來越被重視,內容推薦分發技術勢必會得到更普遍的應用。
內容行業資深從業者、今日頭條前資深產品經理闫澤華,在闫澤華著的《內容算法(把內容變成價值的效率繫統)(精)》一書中,通過大量生動的案例,圖文並茂、深入淺出地分析了當下主流的推薦算法及其利弊,介紹了推薦分發繫統相關的知識,同時對自媒體如何實現優質作品優選化傳播以及自媒體數據等