#内容推荐# 4 为什么这篇好内容没有推荐量?

#内容推荐# 4 为什么这篇好内容没有推荐量?

闫泽华闫泽华

同运营、BD沟通的过程当中,最常被提到的问题是:“这个内容挺好的,但是没有什么阅读量和推荐量,为啥推荐不出去呢?”
对于这类问题,我的回答通常分为两部分:

内容挺好的,但质量不等于销量

我充分相信运营和BD同学对内容质量的判断。
对于内容的质量,文化人比我这个工科男有更有话语权。

作为阅读者,看到好的内容推荐不出去,固然有遗珠之痛。
但作为运营者,还是要跳脱小我,站在相对客观的角度去评价一个内容的消费普适性。

如果这篇内容本身就是深度阅读内容、或是题材偏小众(比如我爱的爵士乐),那它的消费量或许理当如此。我们可以将其类比文艺片,摘录一段报道:

明星云集的文艺大片《黄金时代》最终总票房仅5151万元;《推拿》获得第64届柏林电影节银熊奖等奖项,但国内票房只有约1290万元;《闯入者》《念念》《心迷宫》等文艺片总票房都是1000多万元。票房低至不可思议的,是具有文艺元素的传记片《启功》,总票房只有约40万元,差不多等于目前市场上启功书画作品一平方尺的价钱。
口碑好、票房惨、骂院线、怨社会,不了了之,这似乎成了文艺片的宿命。

如果一篇内容是内向性创作的,是首先写给自己的,那么这篇内容我们更应该用艺术品的角度,而不是用消费品的角度来看待。其追求的应该是给少数知音群体更深的触动,而不是作为大众消费品评价标准的10W+.

如果一篇内容从题材选择上是具有消费普适性的,从阅读体验上是相对较优的。这类的内容,我们再来深究其没有被推荐好的原因。分析是内容问题(标题、封面)还是推荐问题(内容识别、冷启动、用户阅读指标)等等。

抱怨没有推荐量?不如来谈谈怎么推荐的更好

推荐系统是一个会极度放大优缺点的系统:点击率高、阅读体验好的内容,其传播度会被极大的放大。而点击率低、或者点击率高但是阅读体验差的内容,其传播范围也会非常快的收敛。

在冷启动过程里,优质的作者由于有更好的历史表现,已经得到了远超普通作者的冷启动曝光量。当冷启动过程结束时,就变成了点击率和阅读体验的公平较量。可以将内容推荐想象为一场体育比赛,黑马可以爆冷夺冠,名将或许可以免于预选赛,但还是可能失去水准止步半决赛。这样,是否会更好理解呢?

通常,不建议用10W+去简单粗暴的衡量内容,我们可以将内容的阅读体验指标化、可衡量化,以进行进一步的分析:

  • 点击率:酒香也怕巷子深。如果点击率太差,先别废话、回炉改封面和标题去。
  • 全局反馈:点赞、评论数与阅读量的比例,是否与其过往的文章一样?还是降低到了一个平均线以下?如果是,那说明这篇文章要么质量有问题,要么人群推歪了。
  • 粉丝反馈:理论上,关注关系构建了粉丝对于内容创作者的品牌认知,也因此放宽对内容外在(标题、封面)的要求,他们的点击率应该相对更高。此外,粉丝群体是主观判断最典型的受众群体。他们的阅读情况是否显著高于全局反馈?如果是,那可能真是推歪了。如果不是,那基本上可以断定是文章质量问题。

如果确定了粉丝反馈很好,但全局反馈不好,后续应该追内容分析、内容推荐的问题。即机器是否将内容理解错了维度。

以前文提过的“普京曾经实习的单位,最牛逼的国家狗仔队是如何工作的”为例。
初版的keywords分析中,只做了简单的关键词提取,将其分为【普京】、【单位、实习、工作】、【狗仔队】三类,导致了冷启动有所偏差,推给了职场、娱乐等领域的受众。
但后续的keywords分析中,对于标题本身加强了主谓宾的理解,加强了作者类目对于keywords权重的影响,从而让【普京】一词的权重提高,优化了冷启动的推荐效率。

最后,抛一碗鸡汤:抱怨机器推荐是没有用的。改造算法,让对的内容遇到对的人;帮助作者,让对的作者创作对的内容,这是我们长期应该做的事情。

文章被以下专栏收录
2 条评论
推荐阅读