服务热线:021-58376859
用户体验

3步策略,搭建完善的内容运营框架

内容管理是一条有迹可循的链条,尽管不同平台内容各有差异,但离不开的是三个部分:内容生产、入库管理、内容推荐。

 

一、内容生产:源头活水

如何生产内容是一切故事的开始,也许早期的时候雇用一个编辑从海量的互联网搜索内容然后搬运到自己的平台上,就完成了自己平台的内容构建。但是这种模式随着商业和法律的完善必定走不下去的,自己从头开始合法合规地搭建内容生产体系才具有持久发展的可能性。

内容的来源可以大致分为三类:UGCPGC外部转载。

 

1UGC

UGC是“User Generated Content”的缩写,中文可译作:用户原创内容。UGC的概念最早起源于互联网领域,即用户将自己原创的内容通过互联网平台进行展示或者提供给其他用户。UGC 是伴随着以提倡个性化为主要特点的Web2.0概念兴起的。我们现在离不开的博客、论坛、社区、自媒体都是UGC

撬动用户为平台来生产内容是非常难做的一件事情,但如果成功建立了UGC机制也会让产品走向正循环。UGC的核心问题是如何构建用户激励机制。

 

2PGC

PGC是英文Professional Generated Content的简称,中文即专业人士(机构)生产内容。这意味着内容生产者在该领域具有专业的能力和知识,PGC也是传统行业最重要的内容来源

在互联网时代PGC的比重并没有那么高,但也不容忽视,例如门户网站的内容都是由专业团队生产的。PGC内容适用于对专业性有要求、门槛较高的平台。

 

3、外部转载

这似乎是最轻松的内容生产方式了,蛮荒时代有许多企业便是通过这种方式轻松地累积了大量用户。目前版权保护和侵权打击逐渐加强,任意抄袭转载不再会如此猖獗,如果你想要运营一个正规的产品,没法再走盗版转载的路线了。

但并不是说这种渠道已经不再可行,通过正规渠道联系授权得到作者许可,还是可以转载外部的内容的。

不过,这是一种不稳定的内容生产方式,只能在早期的时候解决内容缺乏的问题,长期而言必须要有自己稳定的内容生产来源。

 

二、入库管理:管理海量内容的基建工程

内容少是烦恼,内容多其实也是烦恼。海量的内容并不是随意堆砌在一起就可以的,如果没有良好的结构把海量内容保存起来,所有内容都是一堆无法使用的“垃圾”。

 

1、结构化信息处理

一个产品的内容一般式具有相似性的,也即可以抽取其中的结构化信息,以便机器的保存和运营人员的管理。

在产品还未启动的时候,就要考虑清楚未来的内容是什么样的结构,然后设计合理的内容管理系统。良好的信息结构是未来的内容推荐的基础,因为海量内容是由机器拉取的,而不是人工挑选的,机器非常死板,有就有,没有就没有,全靠入库的时候运营人员抽取了哪些信息。

 

2、分类体系

分类是一种逻辑,其实一直伴随着人类的发展,张小龙也曾说做产品其实是一个逻辑梳理的过程。传统行业最成熟的分类体系是图书分类,几乎全世界图书馆用的都是统一的一套分类体系。而互联网时代最成熟的则是电商平台,如果有耐心拆解它们的结构,会发现有高达数千种大大小小的分类。

分类是便于用户进行内容筛选的一套规则,当内容多起来的时候,用户必定只能选择自己感兴趣的内容来消费,分类就是提供这么一个选择的入口。相似内容最好用统一的分类规则,例如电商、音乐平台几乎都是同样的分类,一来是尊重用户习惯,减少用户学习成本,二则是遵守行业规范,减轻运营人员的工作负担。

 

3、标签体系

分类体系大多是稳定的,行业内的各方约定俗称,有人可能会反应过来这并不是一套灵活的体系。例如在分类体系中,一个内容最好只属于一个分类,这样用户遵循特定的路线就一定会找到它,设想图书馆的一本书可以放在两个不同的书架上,那管理员和读者都要疯了。而标签则会更加灵活,王小波的小说只能放在一个书架上,但是可以往上面贴上N个标签:王小波、中文、小说、当代文学……电脑在搜索的时候只要命中其中一个标签都可以找到这本书。

 

三、内容推荐:用户喜欢与否,成败在此一举

前面所说的两个策略都是幕后完成的,用户还感受不到,那么内容推荐则是掀起盖头直面用户的一道程序了。以结果导向而言,不管其他流程做得多么出色,如果给用户的内容推荐没做好,其他都是白搭。接下来便一一拆解常见的内容推荐方式。

 

1、热门推荐

最常见的是“排行榜”形态,作为一个内容平台,这是一个必不可少的模块。当用户第一次使用产品时,每个用户的开端几乎都是相同的,个性化推荐这个时候也就无从谈起。那么最好的办法是展示平台上最热门的东西给用户,这种办法总不会错,来到同一个平台的用户大抵相似(除非你是过亿用户的平台),展示其他用户最喜欢的内容给新用户,从大数定律而言也具有最大的概率击中用户的喜好。

热门推荐是一种省力而讨巧的推荐方式,但是对于大量用户和海量内容并不是好的推荐方式,它的最大弊端在于“马太效应”,导致几乎一成不变的内容。前面说到用户行为是趋同的,因此导致的结果是热门的东西也总是相似的。在热门、排行榜的影响下,很多新的内容无法呈现给用户。所以它只适用于早期阶段,在产品成熟起来之后则应该退而成为一个产品模块即可。

 

2、编辑推荐

随用户增长和内容数量增加,“编辑推荐”的形式会逐渐重要起来,其逻辑是基于平台对于自身运营人员能力的自信,认为官方编辑推荐的内容是用户喜好的。当然,推荐的内容不完全是运营人员的主观判断,而是基于数据分析、用户反馈的推荐。

编辑推荐内容一般而言是新鲜的、优质的,弥补热门排行推荐的不足。例如在知乎上,最热门的内容依然是两性、情感话题,如果只展示热门内容的话,会充斥着情感话题,这是大部分用户和运营人员不想看到的结果。所以,知乎日报的运营人员会选择更加有新意的内容在首页展示。

一个理想的正向循环是,编辑推荐优质内容,增加曝光,进而成为热门排行榜的内容,在此循环下,平台上的内容是流动性的,新鲜、优质内容得以曝光,并且热门内容会不断轮换。

 

3、个性化推荐

最后说说个性化推荐,其实是一个技术问题,目前非常热门的大数据,核心问题之一就是解决个性化推荐。它常见于音乐、视频、新闻、电商等大平台,最具代表性的是亚马逊的个性化商品推荐和Netflix的影视作品推荐。可以看到这些平台的共性就是具有海量内容和海量用户,在如此巨大的平台上,编辑推荐、热门排行榜都无法完全驾驭所有内容和用户。如果能做到为每个用户量身推荐内容,会极大地提升内容推荐的效率,自然会取得商业上的巨大回报。

 

个性化推荐常见的三种方式:

基于用户的推荐(user-based),找到相似的用户看他们消费了什么内容,然后推荐给该用户。

基于物品的推荐(item-based),根据当前消费的内容找到相似的内容推荐给该用户。

基于物品特性的推荐(modle-based),根据消费过的内容提取特征,找到更多相似的内容。

分享到:

将新媒体时代的思维全面融入您的商业

思考更创新的执行,执行更创新的思考 进一步了解>>

X