内容服务产品设计思考总结：今日头条、UC大鱼号、简书、人人都是(4)

　　因为互联网和移动互联网，社群经济十分火爆，各种基于兴趣爱好的社群如雨后春笋，如摄影，二次元，读书会，马拉松，夜跑，徒步，烘焙等，而很多创作者喜欢通过文字，相机，手机记录自己的兴趣爱好，发到平台上，找到和自己志趣相投的朋友，他们的创作完全基于兴趣爱好，或者说早期可能因为兴趣使然，随着影响力增加，会发展到变现、社交等诉求。

　　生活中有很多文艺青年，他们很讲究情怀，喜欢有情调的小诗和氛围，他们会因自己的情怀而创作内容，他们不在乎内容的传播性，他们编辑内容只是单纯的自己喜欢，他们也有可能会在乎是否可以吸引到志趣相投的人，可以共同交流，追求遇到知音。

　　以上便是上篇内容，为了便于阅读，本文将分为上、下两篇，上篇分析笔者对于内容服务产品的理解，用户和创作者诉求分析，下篇分析平台分发策略和创作者成长体系设计，思考如何优化创作者操作后台，刺激创作者持续输出优质内容。

　　前文中，我们粗略分析了用户阅读内容的诉求和创作者编制内容的诉求，本章笔者尝试结合用户诉求分析平台的内容分发策略，结合创作者诉求分析创作者后台设计思路，创作者后台分析主要从反馈系统，后台功能结构，垂直类内容产品的后台设计思考总结，创作者成长体系构建几个维度展开。下图为创作者后台分析的思维导图，可以粗略看出本章的分析结构：

　　前文中我们分析过，平台作为内容服务的连接者，一方面为内容消费者提供他们喜欢的内容，另一方面，引导创作者生产出用户可能喜欢阅读的内容。而这个过程中内容分发的准确率就显得极其重要，尤其是对于平台型内容服务产品来说，只有精准的分发，才能保证用户的活跃度和留存率。

　　很久以前笔者写过一篇今日头条如何利用数据驱动产品设计的方法论总结，感兴趣的朋友可以点击下文链接阅读全文《今日头条产品设计方法论》，前段时间阅读了今日头条资深算法架构师曹欢欢博士的最新的推荐策略分享，基于人工智能的内容分发，头条的推荐算法模型在世界范围内也是比较大的，包含几百亿原始特征和数十亿向量特征，让人不明觉厉，感兴趣的朋友可以看一下，《今日头条算法原理》。

　　内容推荐系统需要在环境特征识别完成后，基于用户的属性标签，实时行为标签（锁定用户的点击和屏幕操作），判断用户可能感兴趣的内容，通过内容阅读完成率进行用户偏好权重分析，用户退出后，下一次下滑刷新内容为用户展示用户可能喜欢的内容。可以说，内容推荐系统就是一个逐步逼近用户喜好的实验系统，初始给用户展示10条信息，用户点击了哪几条，根据操作不断的优化推荐策略。为了避免推荐内容范围过窄，需要在推荐的内容中增加高时效的信息，类似用户群关注的热点，如台湾地震，超级月亮等事件。同时，也要结合用户属性和行为标签，推荐其他用户喜欢的内容，并实时获取用户浏览行为，调整推荐内容。

　　相比于今日头条，简书内容分发策略就显得简单太多，简书首页根据发布时间展示内容，为了将头部内容聚合，还提供的7日热门，30热门的内容汇总页。各个专栏内部内容排序根据最新评论时间排列展示，根据最新收入排列展示，根据专栏内文章阅读量做热门排序展示，内容的运维均使用人工编辑操作，当成为专栏作家或者优秀作者，则会为某些账号直接做自动审批通过配置，而编辑可以将文章推荐至首页，获取更多的流量。

　　百度、UC、天天快报等平台的内容分发策略应该与今日头条类似，但是是否可以实现基于人工智能的标签识别和机器分发不得而知。微信公众号的文章则更需要内容创作者自我运营，微信公众平台并不负责内容分发，所以没有分发策略。

　　我们再来看一下垂直类内容服务的内容分发，以人人都是产品经理为例，其内容分发均会基于编辑的审核通过时间排序展示，编辑认为的优质文章会放在首页，平台并没有基于用户的个人偏好做内容分发，人人产品经理中后台编辑会将相关的内容整合在一起，搭建知识体系，进行分类展示。

　　如下图所示，内容的展示包含以下几类：文字标题，单一小图文，三图文，大图文，状态消息。占据空间越大用户可能点击查看内容的概率越大，所以大图文的效果最好，所以很多头条中的广告多是大图文，当环境识别出用户使用wifi，广告视频则自动播放。从吸引力法则来看，动态展示优于静态展示，大的优于小的，彩色优于黑灰，色彩对比强的优于色彩对比度弱的。文字标题也非常重要，平台类内容产品标题多要求30个汉子以内，标题可发挥的余地很多，可以考虑结合前文中的用户诉求分析设计标题，当然有大量的关于标题写法的文章，可以百度搜索一下。标题党可谓是平台内容分发的死敌，所以各大平台都在打击标题党。