楠木軒

知乎的內容分發策略,及運行機制是怎樣的?

由 夏德才 發佈於 科技

作為一個優秀的內容問答社區,知乎在內容分發上的許多做法值得學習。本文將從三個方面展開講解,推薦給對內容分發感興趣的童鞋。

知乎已然成為中文互聯網世界最大的內容問答社區。

十年磨一劍,知乎所積累的海量高價值內容就是其最寬闊的護城河。可正因其海量,如何將內容高效的分發給需要它的人,就成了關鍵問題。

傳統的解決方案是搜索。通過明確的用户檢索詞完成內容與用户意圖的關聯。這是人找內容的時代。

知乎的內容分發策略卻不止搜索,還有推薦、想法和熱榜。

為什麼知乎要將他們作為內容分發的策略?這些策略背後又有怎麼樣的運行機制呢?

推薦系統想必大家不陌生了,現在不管做電商、做社交、還是做內容,如果不弄個個性化推薦,都不好意思出門。

但要搭建一個推薦系統,有三個步驟是必須的:理解內容,理解用户,構建規則。

知乎也是如此。

不管是搜索系統還是推薦系統,其目的都是一致的,那就是完成人與內容的高效精準匹配。

為了到達這個目的,理解內容和用户就成了必經之路。

那麼,首先應該怎麼理解內容呢?

比較常見的理解內容的方式是分類。比如up主在B站上傳視頻時需要填寫投稿內容的分類,這就是對內容最基本的分類。

在知乎也一樣,頻道、分類、話題都是對內容的分類。而內容分類往往呈現結構化的特點。比如,程序員小李下班在地鐵上覺得網易雲音樂今天推薦的歌單真難聽,他就可能打開知乎去音樂app分類的子分類網易雲音樂類目下瀏覽其他人的好歌推薦。

因此,從音樂app類目到網易雲音樂子類目,內容分類的結構化特點其實表現的是一種包含關係。這種分類的細化當然不是無限細分,它最終要指向某個具體的內容。

那該如何繼續向下去理解處於分類末端的具體內容呢?最常見的方式是貼標籤。比如給一首歌貼上類型、時長、所屬專輯、歌手等標籤。

這些標籤之間並不是包含關係,而是平等關係。將它們聚合在一起就能從多個維度理解內容。

同樣的,既然能夠給內容打標籤,自然也能給人打標籤。給用户打標籤還有一個專業的名字,叫用户畫像。

提到用户畫像,自然很容易聯想到年齡、性別、學歷、地區這些基本的人口學標籤。但對於構建推薦系統更重要的是用户行為標籤。

用户在知乎的每一次關注、點贊、分享、評論、收藏,都是一次行為標籤。

這些行為標籤之間雖然並不是包含關係,但卻有不同的權重。分享的權重肯定大於評論,評論的權重肯定大於點贊。這一點在幾年前b站源碼泄露的時候已經被實錘。

有了這些多維度的標籤,就可以建立用户畫像系統。然後就能搞點事情,比如大數據殺熟?

理解了內容,理解了用户,下一步自然就是想辦法精準連接用户意圖和內容。

知乎採用的是用户和內容相結合的協同過濾。

這裏有個詞,叫協同過濾。什麼是協同過濾呢?

打個比方吧。

先來説基於用户的協同過濾。程序員小李除了愛聽歌,還喜歡喝酒,他覺得喝完酒寫代碼更有靈感,所以喜歡研究各種口味的酒。於是,推薦系統就會找到跟小李一樣喜歡研究各種口味酒的用户,然後將這些用户關注的與酒相關的內容推薦給小李。

再來説基於內容的協同過濾。設計師小王和產品經理小武在程序員小李的薰陶下,也養成了喝完酒幹活的習慣。有一回,他們都瀏覽瞭如何健康的飲酒和菠蘿啤為什麼喝不醉這兩個回答,於是推薦系統就認為這兩個答案有更強的相似性。在小李瀏覽了為什麼菠蘿啤喝不醉這個回答後,推薦系統就可能將這篇回答推薦給小李。

因此,當你打開知乎首頁,看到給你推薦的那些內容,就是基於你過往的瀏覽、點贊、評論等行為標籤計算得來的。你的每一個動作,都是在為自己可能接受到的信息投票。

與基於算法的內容分發相同,在知乎想法頁,同樣能根據用户的主動關注實現個性化推薦。這被稱為基於社交的內容分發。

這很好理解,人人都是自媒體,你可以選擇關注任何你喜歡的用户。然後這些用户發佈的內容聚合在一起,以feed流的形式展示在你眼前。相比算法分發,使用社交分發內容,用户有更大的自主選擇權。也更強調被關注用户的內容輸出能力。

梳理社交分發內容的過程,大概可以概括成:內容 – 關注用户 – 更多的用户。

連接內容和關注用户的,是關注行為;連接內容和更廣泛用户的,是關注用户的分享轉發行為。

所以這樣的內容分發策略是強依賴關係鏈的。微博和微信公眾號是最典型的代表。

這就要求內容需要具備兩種價值:內容價值和分享價值。

內容價值是內容本身的價值;而分享價值是分享行為帶來的社交價值。

那麼如何創造內容價值和分享價值呢?答案是:信息量。

內容的本質還是信息,度量信息的最小單位是比特。度量方法簡言之,一件事情發生的概率越小,則信息量越大。有洞見的行業觀察、頂級學霸的高光生活、出人意料的短視頻,這些內容都不屬於日常生活中的常規事件因此他們有足夠大信息量。

能夠穩定生產大信息量內容的用户,畢竟是少數人,他們也有一個專業的名字,叫KOL。因此,社交分發內容很容易就會形成馬太效應。大部分分發流量被少數頭部KOL所控制。

所以,抖音會重金挖人、微博會扶持腰部KOL、網易雲也扶持獨立音樂人,都是為了讓社交分發更可控。

打開知乎首頁,還有一個內容分發渠道—熱榜。

熱榜的推出是為了有深度的討論全網熱議話題。有深度體現的是專業性,這是知乎一直以來的知乎的社區氛圍,熱議話題體現的則是時效性。

按官方給出的熱榜熱度的説法:知乎熱榜中的內容熱度值,是根據該條內容近24小時內的瀏覽量、互動量、專業加權、創作時間及在榜時間等維度,綜合計算得出的。

熱點內容分發與算法分發和社交分發最大的不同是時效性。有時效性的熱門話題自然也是不需要做千人千面的個性化推薦的,因此知乎熱榜也是千人一面的。

那時效性是什麼?是用户立刻、馬上、現在就要獲取滿足感。因此那些熱門的回答一定是那些緊扣民眾情緒的回答。

這與知乎早期理想、深度、乾貨的標籤多少有些相悖。因為內容的沉澱需要時間、有價值問題的醖釀也需要時間。再熱門的內容,熱度終會褪去。

推薦、想法和熱榜,告別了只能依靠搜索尋找內容的時代,轉而變成內容找人。不論怎樣,它們都是想要解決人與內容的高效連接這一需求。

這個需求並不是憑空產生的。互聯網內容沉澱經歷了從匱乏到豐饒,再到優質的階段,人們對內容質量的要求越來越高。

從這個角度講,知識付費、推薦系統、內容分發,其實都是為了幫助人們能夠更好的認識世界。

作者:Lcarusd,公眾號:Lcarusd

本文由@Lcarusd 原創發佈於人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基於CC0協議