1704851140
关注动作也能被内容推荐系统用来衡量作者的价值，粉丝的多寡、粉丝阅读率的高低都是作者表现的量化指标，一个垂直的、能够持续取悦粉丝群体的作者，才是系统内价值更高的作者。一种应用方式是：某订阅分发平台对某条内容的推荐会先尝试10%的粉丝，如果粉丝点击率高的话会再继续扩散，否则会停止内容的继续推荐。
1704851141
1704851142
算法分发：分发的终局？
1704851143
1704851144
从某种角度来看，算法分发或许可以被称为终极解决方案。
1704851145
1704851146
为什么这么说呢？因为推荐算法是个筐，什么都能往里装。算法是基于我们对现实世界的理解进行的抽象和建模，所有我们关心的因素（编辑分发、社交分发）都可以转化为算法推荐的参考因素。
1704851147
1704851148
如果我们简化算法推荐过程，将推荐的因素收敛到编辑、社交、模型三种因素，那么，一个内容在系统中的得分可以表示为下列公式：
1704851149
1704851150
内容得分= a×编辑因素 + b×社交因素 + c×模型因素
1704851151
1704851152
a、b、c分别为三种因素的权重。如果我们把某种因素的权重设置为1，其他因素的权重设置为0，那么算法分发就能够等同于编辑分发或社交分发。
1704851153
1704851154
在这个公式中，各种权重的调节完全是由平台的价值感导向决定的。以脸谱网为例，其认为来自真实好友关系的生活记录内容更重要，在分发过程中就会加强真实好友生活记录内容的权重，而弱化他们转发内容的权重，并进一步弱化媒体所发布内容的权重等。
1704851155
1704851156
事实上，我们熟悉的各类内容分发产品，无论起步如何，如今都走上了一条多元素融合的道路：依赖中心化编辑引导和干预，依赖去中心化用户生产传播，应用机器学习提升效率。新版的微博在关注频道的旁边放置了热门频道，提供不依赖订阅关系的内容推荐服务；微信亦上线了实验室功能“看一看”，尝试推荐分发。
1704851157
1704851158
多分发方式的融合一定是未来分发的主流，沉迷“气宗”“剑宗”之争的看客们，还是散了吧。
1704851159
1704851160
1704851161
1704851162
1704851164
内容算法：把内容变成价值的效率系统 面对推荐系统
1704851165
1704851166
从茫然无知到过度自信，再从过度自信到心存敬畏，对于自媒体和内容分发业务，我的感受如是。
1704851167
1704851168
还记得早年间，《人人都是产品经理》一夜间将“用户视角”这一概念进行了科普。那时，产品经理最常挂在嘴边的话是：“站在用户的角度，我觉得某功能可以上线。”拍脑袋上线的功能比比皆是。
1704851169
1704851170
而随着数据驱动迭代流程的日益完善，千人千面的策略成为现实时，产品经理的措辞变为了：“基于统计数据，我觉得某功能可以进行AB实验。”
1704851171
1704851172
从主观到客观，从自称典型用户到承认自己只是一名非典型用户，我们也许需要从第三方视角，基于统计数据去观察揣摩我们的用户。
1704851173
1704851174
人机大战：效率与目标之争
1704851175
1704851176
输给机器不冤
1704851177
1704851178
1997年，深蓝战胜了卡斯帕罗夫。
1704851179
1704851180
2017年，Alphago战胜了柯洁。
1704851181
1704851182
在我初入百度时，系统里还有很多陈年的人工干预规则。
1704851183
1704851184
而在此刻行文时，百度公布2017年第二季度财报，其信息流业务DAU（日活跃用户数量）破亿元，全面转向人工智能战略。
1704851185
1704851186
作为有技术背景的产品经理，我坚信：在给定的框架和目标下，人类可枚举的规则是远逊于机器学习得来的模型的。
1704851187
1704851188
举个例子，如图8–1所示：
1704851189
[
上一页 ]
[ :1.70485114e+09 ]
[
下一页 ]