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：

1. 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；
2. 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；
3. 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