05-社区不要迷恋推荐体系
抖音成功让所有人都沉迷在短视频的算法下后,现在各种内容、电商平台都有弄推荐算法,但是否有那个必要,以及,准确性如何?这篇文章,我们看看作者怎么说。
自从字节推荐体系,靠着把合适的内容推荐给合适的人原则,做起来几款成功产品后
太多公司产品的落地页统统都是推荐feed,各种大力找推荐算法产品
好像推荐做好了产品就成功一半了
实际真的这样嘛?
0-1阶段推荐体系真的绝对重要嘛?1-100阶段你的小团队具备最好推荐的能力吗?
先说几点结论:
- 社区产品在最初0-1阶段最重要的还是做具象认知场景的构建,不是推荐;
- 1-100当人群足够多样,内容丰富起来后,确实需要推荐机制来进行分发;
- 推荐体系不能破坏原有的社区内容运营准则,尊重每一类创作者的内容
第一点:产品0-1阶段
0-1阶段你的内容丰富度,用户数量其实并不会很恐怖
且团队的算法能力很有限;也没有数据基础能力支撑你做好推荐
则做好你的产品认知场景,基础功能的体验更为重要
基础功能(落地页结构,内容发布流程,个人主页,转评赞通知等)
很多产品觉得这样不应该是成熟之后在完善吗?
个人认为不是的
如果你具备了体验较好的基础功能+清晰的内容分发场景
即使你的分发就是时间倒序+处理好冷启动内容+运营辅助运营
(推一下话题/活动,优秀内容单独上热门)
你的第一波用户是能够流程玩起来的,并且觉得你这里不是小作坊产品,相对靠谱的相信你这
而你如果全力盯着推荐去做,又没能力做好,可能会顾此失彼
推荐系统做的四不像,基础能力也零零散散
整个产品的用户感觉就是三个字:不完善
第二点:1-100确实需要上推荐体系
当用户数量+内容丰富度起来后,在内容分发侧势必会需要推荐机制
把合适的内容推荐给合适的人,在此之前好下述工作
前置工作:内容标签结构化,用户画像结构化,分发算法能力
内容结构化:对平台内容进行识别分类与分析能力
小白结构化水平:基于用户自主选择的频道,渠道对内容进行粗分类;人工校准
初级结构化水平:通过模型理解出该内容的大小类,人工辅助补充内容实效性,内容价值性 (分数或星级体现)
成熟结构化水平:模型理解出大小类,实效性,受众人群,价值性数值等属性
用户结构化:
主动标签:用户通过引导页,基础资料设置中自己设置的兴趣,年龄,偏好等标签
行为标签:基于用户对各类内容的完播,停留时长,互动数据(转评赞);负反馈行为;统计用户的标签画像
用户主动标签在冷启动会有一定参考意义;但随着行为增加,推荐更多的是基于真实行数据反馈
算法能力:基于用户画像标签,相似用户协调推荐,全局热点内容的插入,处理信息茧房等
补充一点:上述提到了数据反馈,就要求在产品落地时就要求具备成熟的数据采集,统计分析能力
不要小瞧这一点能力,很多小公司其实搞不定,或者定义的未必合理
除了通盘的DAU,时长,次留这些基础数据;
推荐需要精确到每个用户每篇内容的完播,几秒跳出
各类内容的停留时长,各类内容的互动时长
你发布内容的类型和表现数据等;同时还要清理无效或恶意数据;
这就要求从数据的定义,采集方式,上报统计等层面做好
这对头条,鹅厂可能是稀松平常的事
可在很多中小公司其实也算小难点
我在苏宁就折腾了至少2次整体数据埋点重构
所以推荐系统要上,但要评估好自己的团队能力和阶段
第三点:不要让推荐破坏了原有的社区氛围与内容生态
有两个点运营会造成这个问题
1:算法推荐不准
这个是硬实力问题,其实很多道理所有人都懂
但在真正落地的时候,算法如果处理好内容时间的衰弱,处理好用户负反馈了同类内容还分发
处理好怎么评估怎样的行为数据是真的感兴趣这类内容等等
2:一切跟着数据走,而丢了价值(可能受外部因素影响)
很多产品在发展到一定阶段,会为了商业化,或某些原因
去紧紧围绕用户人均停留时长,DAU去做数据冲刺,而破坏了原有的社区氛围与场景
示例美女黑丝,微擦边内容数据表现挺好的,但推荐要大力推吗?
在前端而言人均消费条数是固定的,如果被分发的是流量内容,势必价值内容的分的受到影响
这里最典型的例子就是“某乎”
曾经有一段时间,某乎推荐feed每间隔4个内容就会有一个小姐姐视频,推荐流的内容也都挺热闹的
压根不尊重我这个关注了很多互联网博主的用户
并且随着产品关注流位置不断更改,和圈子等聚合场景的下架,产品我也就没啥用的必要了
即使你发布了内容,因为分发侧场景受限,效果也会很差
实际情况:我最近几篇内容在知乎的阅读量总和小于100;;在即刻和人人产品经理社区均破千
所以当原有最初建立起来的内容生态破坏,会让各博主流失很严重,且不可挽回
好了,今天先聊到这里
下期我们聊聊为什么大厂做不出成功的社区产品
作者:陈小瑞,公众号:陈陈小瑞
本文由 @陈小瑞 原创发布于人人都是产品经理。未经作者许可,禁止转载
题图来自Unsplash,基于CC0协议
该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务
- 目前还没评论,等你发挥!