编辑导读：内容推荐是将用户喜欢的，同时符合平台意志的内容按照一定顺序展现给用户。热点新闻、新鲜事物这些是最吸引眼球的，是留住用户最有用的手段之一，这也是内容平台都在追热点的原因。本文作者对此进行了一些思考，与你分享。

一、前言

本篇文章不会涉及过多背景介绍与基础信息的讲解，默认大家都对于推荐本身，对于推荐为何要追求新热有一定认知。

一句话而言：内容推荐是将用户喜欢的，同时符合平台意志的内容按照一定顺序展现给用户，而热点事件是最吸引眼球的，对于新热内容，如果能更快更及时地展现给用户，就能够将用户的注意力牢牢地抓在平台手中。

基于策略PM视角，内容社区应该从以下几个方面去服务满足用户获取新热内容的需求：

热点获取、热点内容挖掘、热点内容推荐、热点感知提升&评估体系搭建。

下面我也会从这几个维度来聊聊新热推荐在内容社区的实施，包含一些可能存在的坑，以及一些需要注意的关键点。

二、新热推荐的社区应用

2.1 热点获取

热点事件分为两种，一种是全网热点事件，比如前段时间的吴亦凡被捕、东航坠机事件、最近的上海疫情进展，第二种是原生热点事件，基于社区文化，在内部产生，具备一定破圈能力的事件，这方面的案例最典型的是古早的“贾君鹏，你妈妈喊你回家吃饭”、最近的“蔡徐坤周杰伦超话打榜”。

全网热点事件是全民关注的，其特征是发酵非常迅速，能吸引大多数人的目光，通常不具备过高的理解门槛，但足够重要或者足够劲爆。当事件发生时，人工往往会比机器有更强的先验判断能力，比如吴亦凡事件，当被捕的消息刚发布微博的时候，机器可能需要计算同时段爆发的相关讨论情况才能判断事件等级，但人工就很容易判断其一定是一个全网热点事件。

原生热点则一般是社区内部先小范围发酵，是社区用户一段时间最关心热议的话题，初期一般具备具备鲜明的领域属性，或者存在一定理解门槛。但当讨论议题足够具备争议性，且衍生出了一些不需要了解事情完整情况也能get到的梗的时候，原生热点也完成了进阶，具备了拓圈，成为全网热点事件的可能。

扯了一大堆终于到了正题，作为平台方，我们应该如何更快更准确的获取到热点信号呢？

同样需要分热点类型来看，对于全网热点事件，着重看三方面信号：竞品push内容（微博、头条、百度等）、头部媒体号发布内容（人民日报、共青团中央等）、竞品热榜内容。

其中push通常是最快的，热榜是最准的，头部媒体号发布的通常是最具价值的。

这三类信号都存在杂音，比如push还包括很多非新热向的个性化push，热榜也通常有平台意志强加的内容，策略在这步中需要做好的是信号的获取与处理，接入更丰富的信号源，做好信号处理，包括事件聚合（同一事件在不同平台存在不同表述）、事件交叉验证（同时间出现在多个竞品热榜高位的大概率是全网热点事件）。

不可或缺的还是运营的介入，提供一个人工的判断界定，可能更快的热点事件发现、修正策略对事件重要性的判断结果，这方面需要策略团队与运营的通力协作，通常还需要设置一些中间指标，来衡量策略和运营在热点发现这一环节的表现，这块可以自行设置，就不再展开。

而对于原生热点事件，就更让人头疼了，对于头部社区来说，如微博，由于用户形成了较强的#话题感知，通过计算一段时间内话题的热点蹿升情况，是能够很好发现热点的，而对于其他ugc内容社区，热度蹿升的德尔塔值同样具备很强的参考价值，因为具备讨论的热点一定会在短时间具备强虹吸效应，将附近的注意力与流量聚集起来，这就会带来一些置信的热点判断信号，包括用户层面的集群、内容层面的集群。

策略团队通过与数据团队协作，定义获取热点置信信号，定义热点爆发度信号（用于计算热点内容的爆发扩散能力）、来挖掘可能的原生热点事件。

2.2 热点内容挖掘

这部分尤其针对全网热点，从外站获取到了热点事件，通常以一串文字的形式呈现，比如#邓伦偷税1.06亿，这就是策略用以内容挖掘的主要抓手，而在ugc内容社区，用户发布的内容并不具备很强的结构化，很多时候标题就是“xdm，出大事了”，然后截图的热点事件的外站截图，这就给策略做内容匹配出了一道大难题。

要平衡准确性和召回能力，怎么解呢？

传统的做法是通过切词匹配&事件聚合策略，匹配的主体分别是热点事件名的切词结果和社区内容标题，这种做法的优点是匹配的准确性较好，但缺点是没法匹配到上一段我们所说的那种内容，而这种内容可能在社区中占比比高结构化的内容多得多。

笔者尝试过加入正文内容，以及ocr识图结果来做匹配，结果是匹配的相关性很差，几乎是不可用的程度，和策略rd讨论过后，有几种可尝试的方法，也po出来和大家讨论：

• 梯度匹配，同样引入正文内容和ocr结果，但加入限制，对于这部分内容，要求匹配相关性更高，再加入召回。
• 策略尝试，在jarcard相似度的基础上尝试其他算法，进行bagging，提升匹配的准确性。
• 获取热点title及落地页内容、社区内容title和内容，基于KeyGraph算法做匹配。

同样，运营在这步中可以做为人工内容补充的一个源泉，同时对策略挖掘的内容做二次审核和不相关剔除，同样需要制定相应的中间指标，共背指标才能互相约束。

这部分就不细拆了，如果想要进一步讨论，可以找笔者私聊~

2.3 热点内容推荐

这部分反倒是最简单的，三个步骤需要关注一下：热点事件的定向人群冷启、热点事件的扩散、热点事件的LCN及时退场。

定向人群依赖于对用户画像的刻画，需要对新热用户进行定义，对这部分喜欢看热点事件的用户，优先将热点事件推荐展现，根据他们的表现，来决定下一步是否需要进行热点推荐的扩散（提权）、热点事件同样需要做好LCN退场，即对于同一个事件下，内容推荐超过X条，无点击行为，需要对该用户及时退场，避免抢占曝光资源。

这步策略主要聚焦的核心指标，可以通过“事件发生xx min时间内的用户覆盖”来衡量。

2.4 热点感知提升&评估体系搭建

推荐出新热内容，并不直接意味着用户新热感知自提升了，需要结合功能侧的一些改动，比如典型如微博，推荐带推荐理由，搜索框实时展现热点事件等，都是从功能侧驱动，配合策略实现用户切实对新热事件感知的提升。

那么怎么评估用户新热感知提升了呢？

包括月度的用户评估报告（最好有和竞品的对比，新热感知月报）和数据维度的例行评估。

数据维度的评估主要从四个方面进行：

• 全面：事件覆盖全、事件推荐角度全；
• 及时：是否在事件发生第一时间给用户推荐出来；
• 准确：是否内容是热点事件相关的，是否推给了对该热点事件感兴趣的人；
• 适度：是否推荐适度，不存在霸屏、连出、退场不及时的问题；

三、新热推荐的拓展想法

有几个问题笔者一直在思考：

• 内容社区真的把新热做起来，应该是一个什么样的状态？
• 热点事件，更应该以什么形式承载，单内容？话题？
• 话题榜中，全网热点和原生热点，应该怎么分布才算合理？
• 新热线条，产品和运营应该怎么分工，究竟是哪方主导？

这几个问题，限于篇幅，就不在这篇文章中展开了，如果大家有想法，可以在评论区发表自己的看法，也可以找我私聊讨论。

若能抛砖引玉，不胜荣幸~

#专栏作家#

随心将夜，微信公众号 : 互联网菜鸟产品进阶之路，人人都是产品经理专栏作家。关注社交赛道和社区发展，擅长分析行业趋势。

本文由原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash，基于CC0协议