從碎片化時間的利用，到內容生態的設計（中）

前言

繼上半部文章從碎片化時間的利用，到內容生態的設計（上）出爐兩個月之後，終於有點時間與精力繼續寫一點內容生態相關的東西了。為了控制篇幅，便於朋友們閱讀，我將原計劃中的下半部文章又拆分成了兩部分。本文為中部，主要闡述碎片化內容生態的產品設計思路（運營很重要，但是本文不涉及運營部分）。而下部將分析碎片化內容生態的局限性與軟肋。

思考

任何方案在設計之前，都要先明確一個原則。對於碎片化內容生態的產品設計來說，原則就是：選擇一切可以幫助用戶更快速地消費內容的設計方案。

那麼怎樣可以幫助用戶更快速地消費內容？泛泛來說，只要「你給用戶展示的內容，用戶都願意去看」便可以了。這裡面包括兩種場景：用戶先產生看的意圖，產品再展示內容；產品先展示內容，用戶再產生看的意圖。前者便是搜索，後者便是推薦。

而無論是搜索還是推薦，都是依賴於關鍵詞來判斷內容的關聯度，連接內容與用戶。搜索的關鍵詞來源於切詞，推薦的關鍵詞來源於標籤。搜索作為一門成熟的技術，不是本文討論的重點。我想多說一點「標籤」。

內容的價值在於其閱讀量，閱讀量越高，影響力越大，變現能力越強。而所有的內容都是由人生產出來的。作為一個內容生產者，追逐更大的內容閱讀量是其天性使然。這個天性給予了內容生產者為內容添加「標籤」的動機，「越完善的標籤」意味著「越可能被更多的人看到」。

推薦系統的核心便是在於「標籤」的設計：

• ?如何幫內容生產者準確地添加標籤？

• 如何為內容消費者準確地匹配標籤？

• 如何根據標籤特性準確地篩選內容？

這三個問題本質上是一個問題。標籤的準確性決定了推薦系統是否好用。本文提供的思路是通過標籤關係庫來解決：

1. 建立標籤關係庫，根據標籤語義的關係來為標籤聚類。這些關係通常體現為：語義相關（旅遊，旅行），行業相關（股票，證監會），場景相關（感冒，葯）等。標籤關係庫是人與內容的連接器。

2. 在內容生產者發布內容時，為其推薦當前的熱門標籤，並根據待發布的內容及已設定的標籤推薦有相關性的標籤。標籤描述得越全面，越有利於內容的分發。

3. 在內容消費者獲取內容時，根據其行為偏好生成一個標籤集合（用戶畫像），為其推薦與標籤集合相匹配的內容。本質上相當於猜測用戶的關鍵詞、進行靜默的搜索並將搜索結果推薦給用戶。

思路寫起來簡單，但是實現上卻是以長期的活兒，沒有捷徑可以走。實現手段無外乎以下兩種：

1. 移植搜索中已有的關鍵詞關係庫。相關搜索中出現的那些較為熱門的關鍵詞，便可以作為標籤。

2. 人工標註標籤庫。bad case的優化主要靠人工標註。

請忽略掉機器學習。現階段的機器學習適於有明確表意的場景，如：圍棋（任何一個空位要麼有子，要麼沒子）。而語言卻是一個模糊表意的場景，很多詞的含義隨著場景的不同而隨之變化。機器學習的準確率需要海量的內容進行餵養才可以得到提升，在推薦系統構建階段這種內容饑荒時期，機器學習毫無用武之力。

至此，本文已至尾聲。總結如下：

1. 碎片化內容生態的核心在於推薦系統，推薦系統的核心在於標籤關係庫。

2. 標籤關係庫與相關搜索有異曲同工之妙。

結語

我曾經說過：先有內容，後有搜索；先有話題，後有話聊。 今天我想再補一句：沒有內容，勿談社交。沒有商品，勿談買賣。

內容生態最重要的意義，就是在於它既可以是社交的基礎，又可以是買賣的基礎。