<div id="njunx"></div>
    <dfn id="njunx"></dfn>

        <div id="njunx"><span id="njunx"></span></div>
        <dl id="njunx"></dl><progress id="njunx"></progress>
        <dfn id="njunx"><span id="njunx"></span></dfn>

        <dfn id="njunx"></dfn>
        <div id="njunx"><tr id="njunx"><ruby id="njunx"></ruby></tr></div><em id="njunx"></em>

          <dl id="njunx"><ins id="njunx"></ins></dl>

          <div id="njunx"><tr id="njunx"></tr></div>

          <sup id="njunx"></sup>

            <delect id="njunx"><menu id="njunx"></menu></delect>
              <div id="njunx"><span id="njunx"></span></div>
              <dl id="njunx"><ins id="njunx"></ins></dl>

              <em id="njunx"></em>
              <em id="njunx"><tr id="njunx"></tr></em><div id="njunx"><span id="njunx"></span></div>
              <div id="njunx"><tr id="njunx"></tr></div>

              服務熱線:021-58376859
              用戶體驗

              3步策略,搭建完善的內容運營框架

              內容管理是一條有跡可循的鏈條,盡管不同平臺內容各有差異,但離不開的是三個部分:內容生產、入庫管理、內容推薦。

               

              一、內容生產:源頭活水

              如何生產內容是一切故事的開始,也許早期的時候雇用一個編輯從海量的互聯網搜索內容然后搬運到自己的平臺上,就完成了自己平臺的內容構建。但是這種模式隨著商業和法律的完善必定走不下去的,自己從頭開始合法合規地搭建內容生產體系才具有持久發展的可能性。

              內容的來源可以大致分為三類:UGCPGC外部轉載。

               

              1UGC

              UGC是“User Generated Content”的縮寫,中文可譯作:用戶原創內容。UGC的概念最早起源于互聯網領域,即用戶將自己原創的內容通過互聯網平臺進行展示或者提供給其他用戶。UGC 是伴隨著以提倡個性化為主要特點的Web2.0概念興起的。我們現在離不開的博客、論壇、社區、自媒體都是UGC

              撬動用戶為平臺來生產內容是非常難做的一件事情,但如果成功建立了UGC機制也會讓產品走向正循環。UGC的核心問題是如何構建用戶激勵機制。

               

              2PGC

              PGC是英文Professional Generated Content的簡稱,中文即專業人士(機構)生產內容。這意味著內容生產者在該領域具有專業的能力和知識,PGC也是傳統行業最重要的內容來源

              在互聯網時代PGC的比重并沒有那么高,但也不容忽視,例如門戶網站的內容都是由專業團隊生產的。PGC內容適用于對專業性有要求、門檻較高的平臺。

               

              3、外部轉載

              這似乎是最輕松的內容生產方式了,蠻荒時代有許多企業便是通過這種方式輕松地累積了大量用戶。目前版權保護和侵權打擊逐漸加強,任意抄襲轉載不再會如此猖獗,如果你想要運營一個正規的產品,沒法再走盜版轉載的路線了。

              但并不是說這種渠道已經不再可行,通過正規渠道聯系授權得到作者許可,還是可以轉載外部的內容的。

              不過,這是一種不穩定的內容生產方式,只能在早期的時候解決內容缺乏的問題,長期而言必須要有自己穩定的內容生產來源。

               

              二、入庫管理:管理海量內容的基建工程

              內容少是煩惱,內容多其實也是煩惱。海量的內容并不是隨意堆砌在一起就可以的,如果沒有良好的結構把海量內容保存起來,所有內容都是一堆無法使用的“垃圾”。

               

              1、結構化信息處理

              一個產品的內容一般式具有相似性的,也即可以抽取其中的結構化信息,以便機器的保存和運營人員的管理。

              在產品還未啟動的時候,就要考慮清楚未來的內容是什么樣的結構,然后設計合理的內容管理系統。良好的信息結構是未來的內容推薦的基礎,因為海量內容是由機器拉取的,而不是人工挑選的,機器非常死板,有就有,沒有就沒有,全靠入庫的時候運營人員抽取了哪些信息。

               

              2、分類體系

              分類是一種邏輯,其實一直伴隨著人類的發展,張小龍也曾說做產品其實是一個邏輯梳理的過程。傳統行業最成熟的分類體系是圖書分類,幾乎全世界圖書館用的都是統一的一套分類體系。而互聯網時代最成熟的則是電商平臺,如果有耐心拆解它們的結構,會發現有高達數千種大大小小的分類。

              分類是便于用戶進行內容篩選的一套規則,當內容多起來的時候,用戶必定只能選擇自己感興趣的內容來消費,分類就是提供這么一個選擇的入口。相似內容最好用統一的分類規則,例如電商、音樂平臺幾乎都是同樣的分類,一來是尊重用戶習慣,減少用戶學習成本,二則是遵守行業規范,減輕運營人員的工作負擔。

               

              3、標簽體系

              分類體系大多是穩定的,行業內的各方約定俗稱,有人可能會反應過來這并不是一套靈活的體系。例如在分類體系中,一個內容最好只屬于一個分類,這樣用戶遵循特定的路線就一定會找到它,設想圖書館的一本書可以放在兩個不同的書架上,那管理員和讀者都要瘋了。而標簽則會更加靈活,王小波的小說只能放在一個書架上,但是可以往上面貼上N個標簽:王小波、中文、小說、當代文學……電腦在搜索的時候只要命中其中一個標簽都可以找到這本書。

               

              三、內容推薦:用戶喜歡與否,成敗在此一舉

              前面所說的兩個策略都是幕后完成的,用戶還感受不到,那么內容推薦則是掀起蓋頭直面用戶的一道程序了。以結果導向而言,不管其他流程做得多么出色,如果給用戶的內容推薦沒做好,其他都是白搭。接下來便一一拆解常見的內容推薦方式。

               

              1、熱門推薦

              最常見的是“排行榜”形態,作為一個內容平臺,這是一個必不可少的模塊。當用戶第一次使用產品時,每個用戶的開端幾乎都是相同的,個性化推薦這個時候也就無從談起。那么最好的辦法是展示平臺上最熱門的東西給用戶,這種辦法總不會錯,來到同一個平臺的用戶大抵相似(除非你是過億用戶的平臺),展示其他用戶最喜歡的內容給新用戶,從大數定律而言也具有最大的概率擊中用戶的喜好。

              熱門推薦是一種省力而討巧的推薦方式,但是對于大量用戶和海量內容并不是好的推薦方式,它的最大弊端在于“馬太效應”,導致幾乎一成不變的內容。前面說到用戶行為是趨同的,因此導致的結果是熱門的東西也總是相似的。在熱門、排行榜的影響下,很多新的內容無法呈現給用戶。所以它只適用于早期階段,在產品成熟起來之后則應該退而成為一個產品模塊即可。

               

              2、編輯推薦

              隨用戶增長和內容數量增加,“編輯推薦”的形式會逐漸重要起來,其邏輯是基于平臺對于自身運營人員能力的自信,認為官方編輯推薦的內容是用戶喜好的。當然,推薦的內容不完全是運營人員的主觀判斷,而是基于數據分析、用戶反饋的推薦。

              編輯推薦內容一般而言是新鮮的、優質的,彌補熱門排行推薦的不足。例如在知乎上,最熱門的內容依然是兩性、情感話題,如果只展示熱門內容的話,會充斥著情感話題,這是大部分用戶和運營人員不想看到的結果。所以,知乎日報的運營人員會選擇更加有新意的內容在首頁展示。

              一個理想的正向循環是,編輯推薦優質內容,增加曝光,進而成為熱門排行榜的內容,在此循環下,平臺上的內容是流動性的,新鮮、優質內容得以曝光,并且熱門內容會不斷輪換。

               

              3、個性化推薦

              最后說說個性化推薦,其實是一個技術問題,目前非常熱門的大數據,核心問題之一就是解決個性化推薦。它常見于音樂、視頻、新聞、電商等大平臺,最具代表性的是亞馬遜的個性化商品推薦和Netflix的影視作品推薦。可以看到這些平臺的共性就是具有海量內容和海量用戶,在如此巨大的平臺上,編輯推薦、熱門排行榜都無法完全駕馭所有內容和用戶。如果能做到為每個用戶量身推薦內容,會極大地提升內容推薦的效率,自然會取得商業上的巨大回報。

               

              個性化推薦常見的三種方式:

              基于用戶的推薦(user-based),找到相似的用戶看他們消費了什么內容,然后推薦給該用戶。

              基于物品的推薦(item-based),根據當前消費的內容找到相似的內容推薦給該用戶。

              基于物品特性的推薦(modle-based),根據消費過的內容提取特征,找到更多相似的內容。

              分享到:

              將新媒體時代的思維全面融入您的商業

              思考更創新的執行,執行更創新的思考 進一步了解>>

              X
              云南优选广告官网