內容產品熱度分發(fā)設計邏輯介紹[產品經理培訓]

熱度分發(fā)

內容產品的一個優(yōu)勢，就是用戶會產生海量的內容。但是UGC內容存在質量參差不齊，上下限差距明顯的情況。對于產品發(fā)展而言，需要從這海量的內容中篩選出較為優(yōu)質的內容，集中向用戶展現(xiàn)，滿足用戶對高質量內容消費的需求，從而提高用戶的粘性和忠誠度。

那么，如何篩選出優(yōu)質內容，并設計篩選的規(guī)則呢?

熱度規(guī)則設計邏輯

首先，我們得定義何為優(yōu)質，也就說，什么樣的內容是優(yōu)質的。對于內容而言，優(yōu)質體現(xiàn)用戶行為上，就意味著用戶對內容有閱讀、點贊、評論、收藏等行為。而這些行為維度，即可作為衡量內容的質量的標準。

其次，衡量內容質量，需要綜合考慮多個用戶行為維度，而不能是單一的維度。比如，一篇文章如果有很多用戶點贊，可認為很多用戶喜歡，這篇文章算是優(yōu)質內容;而另外一篇文章點贊的很少，但是有很多評論，說明這篇文章的觀點不受用戶贊成進而引發(fā)很多爭議。但是，內容的優(yōu)質應該是用戶行為而不是立場的體現(xiàn)，點贊多的和評論多的都應該算是優(yōu)質內容。

然后，為了綜合考慮多個用戶維度，需要定義一個通用的、可量化的熱度值，并以此多為分發(fā)依據。

分發(fā)規(guī)則設計邏輯

制定熱度分發(fā)規(guī)則需要考慮到一個時間因素，避免出現(xiàn)“好的永遠好、差的永遠差”局面。

舉個例子，對于一篇文章，如果一開始它的熱度很高，它就會獲得更高的分發(fā)量，根據漏斗模型，它后續(xù)獲得的閱讀、點贊、評論等用戶行為也會更高，從而進入一個良性循環(huán)，熱度越來越高。而對于那些一開始熱度很低的文章，獲得的分發(fā)很少，用戶行為也會很少，熱度就會一直很低，進入一個惡性循環(huán)。如果出現(xiàn)這種局面，從用戶的視角來看，他每次都會看到的內容都差不多，永遠是那些熱度高的，從而導致用戶新鮮感下降，不利于用戶活躍度，也會打擊低熱度內容生產者的積極性。

規(guī)則案例

下面，我們通過一個模擬場景來設計一套熱度分發(fā)規(guī)則。

場景：一個內容社區(qū)，有文章和視頻兩種內容，文章和視頻都可以被點贊、評論、分享和收藏。社區(qū)有一個熱門內容推薦列表，給這個列表制定一個分發(fā)規(guī)則。

熱度規(guī)則：通過點贊、評論、分享和收藏這4個維度來作為熱度值計算依據。定義內容熱度值S=點贊數(shù)量*1+評論數(shù)量*2+分享數(shù)量*2+收藏數(shù)*2。

分發(fā)規(guī)則：

規(guī)則1.篩選24小時內發(fā)布的的全部內容

規(guī)則2.篩選24小時至72小時前發(fā)布的S>=30的全部內容

1.將滿足規(guī)則1的內容按照發(fā)布時間由近至遠排列，滿足規(guī)則2的內容分別按照分值從高到底排列。分頁推送，每頁8條，滿足規(guī)則1和規(guī)則2的內容各4條，按照發(fā)布時間由近至遠排列;如果滿足某個規(guī)則的內容數(shù)量不足4條，則由其他內容填充滿8條，上滑翻頁

2.下拉刷新，推送本次刷新與上次刷新之間產生的滿足規(guī)則1和規(guī)則2的內容，根據分值從高到低排列，每次刷新最多推送8條，不足8條則推送實際數(shù)量

在這個分發(fā)規(guī)則下，即綜合考慮了多個用戶行為維度，也避免出現(xiàn)高熱度文章永遠在頂部而低熱度文章(比如剛發(fā)布的)得不到推薦的機會。

小結

除了內容產品，熱度推擠也適合其他業(yè)務場景，比如電商。有興趣的同學可以嘗試設計一套電商熱銷商品的推薦規(guī)則。

什么是用戶畫像？用戶畫像推薦原理介紹