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。
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