傳智播客旗下品牌:|||||

全國咨詢/投訴熱線:400-618-4000

UGC生態模式下內容審核和內容分發[產品經理培訓]

更新時間:2019年11月01日17時21分 來源:傳智播客

傳統的PGC生態下,內容質量處于可控狀態,在發布之前只要做普通的校對即可。但是在UGC生態模式下,用戶眾多且處于不可控的狀態,因此內容的質量就必須嚴格把關審核。

一、內容審核

對于不同形態的內容,審核方式不一樣

1. 文本內容

對于文本內容,一般采用自動審核的方式,常用的實現方法如下:

1)在后臺提供關鍵字庫管理

2)根據關鍵字庫,在前端識別用戶發布的文本。如果文本跟關鍵字庫中的關鍵字庫匹配上,則將匹配上的字優化掉,比如用*或者其他固定文本代替。

這種審核方式簡單、實現成本也低。需要注意的就是關鍵字庫要豐富,而且還要考慮拆解字的情況,比如用戶會把“操”拆解成“扌”和“喿”,因此字庫中也要考慮到這種情況。

2。 圖片/視頻/音頻

圖片和音視頻的審核需要用到自動識別等技術,而這類技術的開發成本通常都比較高。對于資源有限的公司,一把都是使用第三方提供的服務。比如阿里、騰訊之類這些大公司,都有對方開放的自動審核工具,不過需要付費。

當然,如果沒有能力自己開發,又不想花錢,那就做人工審核:用戶發布的圖片或音視頻都處于待審核狀態,后運營人員在后臺人工審核后再確定是否發布。

內容審核完畢后就該推送給用戶看了,那么問題來了:用什么方式把內容給用戶看呢?不同的用戶喜好不同,該怎么投其所好呢?這就涉及內容分發的概念了。

所謂分發本質要解決的問題包含兩點:

1.高效的連接人與信息

2.過濾出有價值的信息,讓合適的人看到合適的信息。

根據產品性質、技術實力等因素,不同的內容平臺采用的分發方式差別很大。


二、內容分發

目前市面上常見的分發方法有以下幾種:

1.編輯分發

這是傳統的內容分發方式,由平臺自己創造內容并推送,是一種中心化的分發模式。

這種分發的特點就是有什么看什么,用戶沒得選。但是好處是能控制內容質量,畢竟推送什么由平臺自己決定。因此在智能推送時代,這種分發方式也一直被保留著。

2.訂閱分發

在UGC生態下誕生的新的分發方式,這是一種基于粉絲,構建內容、用戶、平臺三者閉環的分發方式,是一種私域流量構建。

社區時代(社區、貼吧等),以及后來的公眾號,采用的是這種模式,你主動選了什么就給你推送什么。這種分發的特點是依靠話題來吸引和劃分用戶,但是內容質量無法得到保證,參差不齊。

3.社交分發

移動互聯網時代興起的一種分發方式。社交分發依托于關系鏈,基于社交關系傳遞信息。這種分發方式有以下幾個特點:

1)內容的傳播權從傳統的精英編輯過渡到每個普通人受眾,每個人都成為了編輯,成為了內容分發的中心。

2)讓內容的傳播變成了“千人千面”,內容息根據用戶的喜好在傳遞,用戶之間更容易產生互動,從而加強了關系鏈。

3)社交分發的基礎是聚合第一批用戶即粉絲,信息傳遞的范圍依賴于粉絲數量以及粉絲的分享意愿。

但是社交分發也有它的局限性:

1)社交分發依賴于用戶分享

2)但不是所有內容用戶都愿意分享的,人都有偷窺的欲望,但大部分人都不愿意被別人偷窺

3)尤其在熟人社交中,用戶都比較注重人設,因此低分享價值的內容在社交分發中處于不利地位。

4.算法分發

跟隨頭條系產品興起而逐漸發展出來的一種算法,基于程序,技術壁壘高,分析用戶畫像匹配興趣偏好,是一種個性化的精準投放。這種算法的優點就是用戶喜歡看什么就能給用戶推送什么,讓用戶高度沉溺于產品。不足就是開發成本太高,不是普通公司能承受的。

算法分發三要素:

1)用戶畫像,要通過用戶行為分析用戶的喜好,將用戶標簽化

2)內容畫像,內容也要標簽化,才能與用戶進行匹配

3)算法模型,通過算法才能將用戶和內容匹配從而做精準推送

算法模型


三、推薦算法框架

幾種常見的算法

1、協同過濾算法——基于用戶

算法思路:將用戶進行分類,評測用戶之間的相似性,基于用戶之間的相似性做出推薦。

假設抖音用戶有5個維度

對美女的喜歡程度(1~5分),對搞笑的喜歡程度(1~5分),對民謠的喜歡程度(1~5分),對感情的喜歡程度(1~5分),對鄉村的喜歡程度(1~5分)。

用戶A:對美女的喜歡程度3,對搞笑的喜歡程度1,對民謠的喜歡程度4,對感情的喜歡程度5,對鄉村的喜歡程度0,用戶A可以用向量表示為r_A (3,1,4,5,0)

一個用戶B:對美女的喜歡程度3,對搞笑的喜歡程度4,對民謠的喜歡程度5,對感情的喜歡程度0,對鄉村士的喜歡程度2,用戶B可以用向量表示為r_B (3,4,5,0,2)

對于向量A和B而言,他們的在多維空間的夾角可以用向量余弦公式計算:

余弦相似度取值在0到1之間,0代表完全正交,1代表完全一致。那么用戶A和B的相似度計算:

內容分發

即代表了兩個用戶音樂偏好的相似程度。

假如定義余弦值大于0.6即認為用戶具有相似性,那么此時A與B就是相似的

此時發現A看了旅游相關的視頻,由于算法認為A和B有相似性,那么就會把旅游的視頻推薦給B。

2、協同過濾算法——基于內容

算法思路:基于內容的相似度給用戶做推薦。

還是拿抖音舉例子

A、B、C用戶對感情、都市、搞笑、寵物類題材的視頻都點贊過

則可認為這四種題材的視頻有相似度

此時發現D用戶對感情、都市、搞笑類題材的視頻都點贊過

那么顯然,應該把寵物類的視頻推薦給D。

算法分發的局限性:

1。推薦狹窄,只看到喜歡的,無法拓展內容獲取寬度

2.算法沒有價值觀,無法判斷內容質量的好壞

3.算法可以被反推出來,進而被利用,導致”標題黨“盛行,用戶陷入興趣孤島。【推薦了解產品經理培訓課程

小結

不同的審核方式和算法適用不同的場景,需要根據公司自身的實力,并結合產品的業務,選擇最合適的。

河南快3走势图 山东群英会规则 业余时间上网赚钱 安徽快3走势 重庆百变王牌 乐彩网 河南快3 关于网赚知识技术 全民彩票 为什么网赚这么难呢