内容社区,为什么有必要做内容标签系统

seoxin 10-09 18:42 17次浏览

导读

社区内容量很大时,内容曝光有限,非常影响社区作者创作的积极性。为此,标签系统,提出了解决方案。

问题背景

社区产品中,在内容量大的情况下,曝光数量和内容总量相比,是十分有限的,对社区作者很不利。

我们以一个案例来分析一下,曝光有限对作者的严重危害。

某社区起步时有1千个作者,发展两年后,作者变为原先的100倍,也就是10万。每一位作者的每天能发布数量都在一个正常范围内,即人均发布数量一定。

刚起步时,社区的作者数量是较少的,因此每天的内容新增量也少。在社区中发布后,非常容易被曝光到读者用户,被用户阅读互动。

当作者变为10万后,人均发布数量一定时,对应每天的内容新增量变为原先的100倍。虽然读者的用户量也有一定比例增长,但由于内容新增量更多了,每个作者发布的内容被曝光的机会,会变得更加稀有和珍贵。一旦曝光需求没有得到满足,作者就无法收到读者的阅读互动反馈,也就无法形成正向激励。

我们知道,看一个社区的价值,可以是看作者的规模及质量。比如YY直播,看的是主播;知乎,看的是大V等回答者;B站视频,看的是UP主。

一个无法满足作者曝光需求的社区,无疑会导致作者粘性降低,非常容易流失,甚至跑去竞争对手的平台。

02标签的定义

为了解决内容曝光有限的问题,内容标签系统不失为一种有效的解决方案。

内容标签系统,是用若干关键词来描述内容特征。

它适用于内容量大的社区产品,用来改善内容曝光。

03标签如何改善曝光

标签是如何解决曝光有限的问题呢?基于标签的推荐,可以有效让内容曝光至对应的目标用户。

必须明白的是,我们解决曝光有限的问题,不是为了曝光而曝光。而是希望,将内容准确地推荐至目标用户,让目标用户消费,并作出正向反馈,给到社区作者,从而维持社区作者的创作积极性。

在内容量大的社区产品中,存在信息过载,而读者的内容需求是多种多样的、不断细分的。因此,内容消费方式需要从原先由用户主动获取,转变为以推荐为主的被动获取。从千人一面,转变为千人千面。

标签有3种典型的推荐应用场景,可以改善曝光,分别是:新用户内容推荐、相关内容推荐、个性化内容推荐。

No.1基于标签的新用户内容推荐

社区产品中,每天都有大量的新增用户。

新用户在注册时,选择自己感兴趣的内容标签,在使用产品时,就可以将相同标签的内容推荐给新用户。

不同用户选择标签的不同,因此,推荐给用户的内容也不同。这样,可以让更多内容有曝光给新用户的机会,提升曝光覆盖率。(曝光覆盖率=被曝光的内容数/内容总量)

以小红书为例,新用户注册时,选择感兴趣的内容标签后,如“时尚”“护肤”“明星”“彩妆”。完成注册后,生成“时尚”“护肤”“明星”“彩妆”相关的内容首页和标签频道栏。

内容社区,为什么有必要做内容标签系统

No.2基于标签的相关内容推荐

在功能设计上,在内容详情页显示该内容的标签,当用户希望看相同标签下的更多内容时,只需点击标签,即可曝光更多内容。在看接下来的内容时,用户又通过其他标签看了其他的内容,形成一级一级的扩散,形成的是网络裂变式的曝光。

标签在这个体系中通过以下方式发挥作用:标签形成了曝光路径。

单个标签可以让内容与内容之间的形成直接连接,而推广到一个完整的标签系统可以让全体内容形成一个内容网络。也可称为“知识图谱”,内容与内容之间,通过有限数量的标签,即可互相找到。如图,用户看了内容1,通过标签A找到内容2,接着通过标签B找到内容3。本来内容1和内容3是没有任何联系的,而通过标签A和标签B,让用户间接找到了内容3,实现了内容3的有效曝光。当然了,还有其他曝光路径,也能让用户从内容1到内容3。

内容社区,为什么有必要做内容标签系统

如人人都是产品经理社区,以我发布的《以图片社区为例,如何利用热度算法做内容质量评估》文章为例,文章末尾显示标签“热度算法”。用户点击“热度算法”,带有“热度算法”的其他文章就会得到曝光。如此,用户在其他文章中,也通过相同的方式,实现看了又看。

内容社区,为什么有必要做内容标签系统

No.3基于标签的内容个性化推荐

在热度算法一文中,我们知道了热度高代表受用户欢迎,热度高的头部内容能够充分被曝光给用户。然而,在头部内容之下,是占内容总量最大比例的腰尾部内容。这些内容中,不乏存在优质和潜力的内容。如果没有把这些内容曝光,其实是很大的浪费。

基于标签的个性化内容推荐是,内容通过标签生成内容特征,和用户偏好相匹配,这是一种千人千面的内容分发方式。这样,原先未被用户发现的大量腰尾部内容,就可以被推荐给适合的用户,实现了更多内容的曝光。

标签是如何为个性化推荐服务的呢?我们要知道,标签是描述内容本身的特征,是附属于内容的元数据,它可以被结构化,被计算出对应的权重分值。这个的大用就在于,内容对应的标签是有轻重程度之分的。因此不同的内容,除了带不同的标签容易区分外,带相同的标签,也能通过标签权重分值区分出内容特征的轻重程度。

最简单的算法模型思路是:

–步骤1

通过运营手段或自动规则,生成内容特征向量(Tag1,Tag2,Tag3)=(分值1,分值2,分值3)

–步骤2

通过用户行为数据,生成用户偏好向量(Tag1,Tag2,Tag3)=(分值1,分值2,分值3)

–步骤3

计算相关度

余弦相似度=cos<内容特征,用户偏好>,余弦值越大,两个向量的夹角越小,表示内容和用户偏好更相关

–步骤4

由此生成每个用户不同的内容排序列表,实现了个性化推荐

王诗沐老师,曾在混沌大学分享过:网易云音乐不是第一家做推荐的,但我们把推荐做到了极致,把推荐算法应用到了所有用户发现音乐的场景,这在国内属于第一家。其中,以标签为底层逻辑的个性化推荐,实现了千人千面的曝光,把所谓的小众冷门音乐推荐给了适合的用户,也能引起强烈共鸣。

04总结

对于内容量大的内容社区,曝光有限是会严重影响作者的创作积极性。本文提出的内容标签系统,正是为了解决这个问题背景而存在。

内容标签系统,可以应用于3个内容推荐场景:新用户内容推荐、相关内容推荐和个性化内容推荐。在不同的场景中,标签发挥着不同的角色,最终都带来了更多内容的曝光。

标签不仅适用于内容社区,对于其他类型的产品,也有很大的应用空间。如果你的产品适合做标签,不妨试试吧。