大家好呀~
今天，靈遙將為你帶來一本新書，名字叫做《走進內容推薦時代：寫給內容行業從業者的推薦分發入門書》。
也許，你生活中曾經有過這樣的場景：
在上下班擁擠的地鐵中，打開頭條、抖音、微博等平臺，查看新聞或者八卦；午休的時間，拿出淘寶，為家里添置新的收納盒；周末打開美團和大眾點評，去搜尋周末好去處……
如果說，你的這些行為有什么共通點，那一定是會在搜尋到你想要的信息同時，被平臺額外推送N多相關信息。
比如，你如果在淘寶搜索界面里輸入了「晨光簽字筆」等字樣，那么你將搜到的相信除了「晨光簽字筆」，還會有「三菱簽字筆」「百樂鋼筆」等相關文具。
而，你若是在接下來的幾日內，再次打開淘寶，那么推薦給你的物品又會延伸到文具盒、貼紙、筆記本、涂改液、收納盒等等。
對于用戶來說，這樣的設定可以說是「喜憂參半」。
喜的是能夠通過一本書，找到10余本與它主題類似的書，完成一次主題閱讀，憂的是內心稍微不堅定，購物車、書架、收藏夾里便會被各種不必要的信息占據，以至于找不到你需要的信息。
那么，這些紛繁復雜又引人入勝的內容，又是如何推到用戶手機里的？有志于從事自媒體的你，又該如何利用這些規則，讓你的創作被更多的人看到呢？
來和靈遙一起讀讀這本《走進內容推薦時代：寫給內容行業從業者的推薦分發入門書》吧~
01.
推薦的起點：斷物識人
盡管推薦系統中應用到了各種高深的算法、架構，但是其基礎原理是樸素的：更好地了解推薦的內容，更好地把內容推薦給想要看到的人，從而更高效地完成內容與人之間的對接。
因此，一個平臺若是想要把內容推薦給人，首先便要充分理解這份待推薦內容的特點是什么。因為，如果連推薦內容的特點都說不明白，那就妄論推薦效果了。
如你所熟悉的一樣，推薦的算法同樣是「貼標簽」。
比如，你有一個朋友，他是一個算法工程師，你現在想要把他介紹給你的朋友，那么，對于程序員，你往往會說，這是xx，和你一樣，是一個算法工程師，負責balabala；如果是對你的球友，你可能會說，這是xx，籃球打得特別好，我大學校隊的；如果是你父母，你可能會說，這是xx，我大學最好的朋友，等等。
換言之，便是你會在介紹這個人的時候，結合介紹人的身份，給他安一個標簽，而為了去說明這個標簽，你往往會在介紹了這個人是xx后，輔以量化的信息，來幫助別人更好地了解它。
但是，這個人只有上述描述的特點嗎？也許不是的。
比如，他可能又高又帥，可能是一個孩子的父親，可能熱衷于慈善，剛捐了10000元給希望工程，但是，你卻只選擇了他與受眾關系最密切的標簽，并沒有告訴球友說，他和他老婆夫妻恩愛，畢竟，這與你把他介紹給你球友的目的并沒有太大的關聯。
由此可見，標簽是我們對一個東西高度抽象后的理解，它并不能夠代表一個人生活的全部，但能夠幫助我們在一瞬間抓住對方的注意力，與對方建立起聯系。
同理，識人也是如此。
你除非是某某平臺的重度用戶，每天都會花大量的時間在平臺上，平臺才有機會收集到你更多的信息，來為你進行畫像。
因為，僅僅憑借著一兩次的信息搜集，再厲害的平臺很難知道你到底是一個什么樣的人，然后結合你的需要，為你推薦內容。
而后，完成了斷物識人后，平臺便會根據「物以類聚，人以群分」的邏輯，來為用戶做推薦了。
以內容推薦為例，其用于相似度計算的常見因素有：作者層面的相似性（基于訂閱和偏好關系）、內容層面的相似性（如，關鍵詞、話題、類目、標簽等等）。
于是，你常常會發現，一旦點開了某個創作者的信息，或是主動搜索了某個關鍵詞，那么便會在接下來的一段日子里，收到許多高關聯性的推薦。
02.
內容推薦的3個問題
了解了內容都是如何一步步被推薦到你的手機里以后，我們再來看看內容推薦存在的3個問題：推薦重復、推薦密集、時空限定。
- 推薦重復
在內容生產門檻不斷降低，人人都可以是創作者的大背景下，一個新聞事件發生，權威機構源源不斷發布新聞通告的同時，有許多人都會從不同角度進行評論，搬運工也會批量產生蹭熱點的內容。
而，內容的大繁榮自然也帶來了信息過載的問題。
比如，你想要了解一下《三十而已》這部熱播劇講的是什么，可能從網上搜出10余篇，乃至百余篇從各個角度討論這個主題的內容。
作為一個用戶，你雖然會在讀到第一篇的時候，覺得很新鮮，但隨著閱讀量的增加，和投入時間的增加，必然會導致邊際效應遞減，從好奇轉為厭惡、煩躁。
于是，這也使得各大平臺在篩選優質內容時，除了注重內容的原創性，還注重內容是否新穎、信息增量是否夠多。
因此，你如果想要寫的內容恰恰是大家都在關注的話題，那么一定要寫出你自己的觀點和視角，切不可新瓶裝舊酒。
- 推薦密集
討論完了如何應對內容重復后，我們再來一起看一下推薦密集成因和應對之道。
其中，導致內容推薦密集的原因：
一個是因為用戶的短期興趣點通常比較明確，會因為特定事件或人物快速聚焦。
比如，這半個月，最火的話題無疑是A股市場、綜藝乘風破浪的姐姐，和電視劇《二十不惑》《三十而已》，等等。
二一個是系統對用戶的興趣理解不夠，或是僅追求點擊量放大了用戶對某方面信息的渴求。
比如，靈遙我自己雖然這段時間因為想換一套床上用品，所以會去比較各種床上用品的性價比，但是，我一旦買到手后，便不會再對這個主題感興趣。這時候，淘寶若是再給我推類似話題，便會下意識地引起我的厭煩。
因此，為了應對推薦密集，好的平臺往往會優化算法對內容的理解，來避免同一題材、同一作者、同一子話題、同一實體詞的密集推薦導致的厭惡心理。
你如果是一個內容創作者，除了寫自己的東西，更要去多閱讀平臺上的其他東西，做好定位，在細分領域里做到第一。
3. 推薦單一
最后一個推薦的誤區，是推薦的單一性。
作為一個個體，我們的時間是有限的，精力是有限的，所以，會對某一個或者兩個領域保持持續的關注，而對其他領域保持一種知道有這個的狀態，往往是我們生活的常態。
但是，這并不意味著說，我一個寫情感文的創作者，會對比如科技、宗教等平日里幾乎沒有搜過的話題，一點兒興趣都沒有。
換言之，如果某個平臺發現了我對未知領域的訴求，主動推薦相關的內容給我，我非但不會覺得時間被浪費的，甚至還有可能覺得，嗯，這個有意思，我想多了解一點。
可惜的是，由于平臺的算法大多是基于用戶過往的信息搜集，因此往往很難去做到說，「我試著推薦一點ta沒有搜索過的內容給ta」。
于是，我們很多人便只得反復去看那些我們感興趣的，或是已經熟知的內容了。
因此，雖然平臺鼓勵垂直創作，鼓勵深入挖掘一個領域，但是，出于對拓寬思維邊界和維護賬號新鮮感的考慮，靈遙還是真心建議你，保持28原則，即每輸出8成細分領域的專業內容，便要輸出2成你對其他行業的思考。
03.
內容變現，
靠的從不只是內容
了解了推送是如何發生的，以及推送都存在哪些誤區后，靈遙想和你聊聊，我作為一個自媒體，我是如何看待「文章質量」以及「爆文寫作」這兩件事的。
首先，越來越多的內容分發平臺開始引入機器的時候，相信會有不少自媒體人，會與靈遙一樣，有著同樣的疑惑，那便是，我這個內容明明挺好的，但是為什么推薦量和閱讀量都那么低呢？
其實，要回答這個問題，我們必須從兩個維度來看。
一個是，你如何定義「質量」。
內容創業領域，「質量」是一個非常虛的概念。
因為，對于任何一個創作者來說，你每寫下第一個字，都像是你的孩子都一樣，凝聚了你的心血。你但凡會愿意把它給發出來，那么至少潛意識里，你是看好這篇文章，或者說對這篇文章有期待，會期待更多人讀到它的。
但是，你自己認可，并等同于市場會買單。
因為，這會涉及到一個普適性問題，比如，同樣是科技領域的寫作，一個與我們日常生活相關的黑科技，明顯會比火箭發射領域一個攻關難題更有市場。畢竟，大多數人在讀到后者時，下意識地反應都是，這與我有什么關系。
二一個是，推薦系統本身是一個會極度放大優缺點的系統。
具體來說，便是一篇文章如果點擊率高，點贊率、轉發率高，互動多，便會被系統自動判定為好文章，反之，則會被機器認為這篇文章的質量欠火候。
因此，你如果想要寫出一篇爆款，很重要的一點便是去適應規則，選擇大家都感興趣的主題，然后在文字表達上，盡可能地通俗易懂、接地氣一點，具體來說：
- 選題：選擇大家都感興趣的，都在討論的話題，多講你身邊正在發生的事情；
- 標題：多用實詞，少用虛詞，直接告訴讀者能夠從你的文章里收獲什么；
- 行文：觀點優先，三段式結構，是什么、為什么、怎么辦？
- 語言表達：清晰、流暢、沒有錯字、病句
- 配圖：符合主題，美觀大方。
以上，便是本書的內容。
希望對你有幫助！
文 | 武靈遙，一位踐行著「日讀書一本，日更文一篇」的職業讀書人，更多好書拆解詳見個人公眾號：書語人間（syrjjy)
