今日头条的信息流为什么很厉害?

后台-系统设置-扩展变量-手机广告位-内容正文顶部
摘 要

今日头条的信息流为什么很厉害?据报道,今日头条日活跃用户已达1.2亿,视频音娱产品(抖音短视频、西瓜视频、火山小视频)增长也很快。为什么头条信息流产品如此厉害?我们首先要知道:

今日头条的信息流为什么很厉害?据报道,今日头条日活跃用户已达1.2亿,视频音娱产品(抖音短视频、西瓜视频、火山小视频)增长也很快。为什么头条信息流产品如此厉害?我们首先要知道:
1、什么是信息流产品

说到信息流,很多朋友都会对这个词汇感到很陌生,其实我们绝大多数人都是又接触到的,像每个使用新闻客户端的用户,都是有多多少少接触到信息流这种产品的。它有以下诸多特点:海量信息,能源源不断地刷出新的、实时的内容,能在合适的场景下,为用户提供合适的内容,强用户黏性、长使用时长,利于广告曝光创造营收。

2、如何推荐内容

信息流不单单是全靠算法推荐的,员工的运营也是非常重要的,实际上来说,人工和智能算法是各有所长的,人工所运营的算法是更优于新闻价值的判断,以及对热点新闻的判断,突发事件的响应等等;算法呢,在个性化匹配以及冷门的长尾内容推荐上,是非常合适的,一个算法实现内容推荐的基本框架,理论上是可以抽象成下图的。
算法推荐框架
落实到具体实现,这里是魅族 新闻资讯 的一个实际案例。
3、如何评估推荐质量

一个信息流产品,不会仅仅使用一种算法模型,通常会进行分流。占大比重的是经过验证的稳定模型,同时,会有多个占小比重的实验模型。

要评估这些实验算法模型的效果,采用的评测指标主要为以下三项:

准确率:推荐列表里,多少比例的文章,是用户读过的
召回率:推荐列表中,用户读过的文章,占用户阅读记录的比例
覆盖率:推荐列表里的文章,占文章库总数的比例

举例来说,文章总量为 100,用户实际看了 10 篇文章。最终实验模型推荐了20篇文章,用户看过的有 8 篇。准确率为 40%,召回率为 80%,覆盖率为 20%。

除此以外,还需关注的核心业务指标:

UV 转化率:阅读 UV / 曝光 UV,反映多少比例的曝光用户转化为阅读用户
PV 转化率:阅读 PV / 曝光 PV,反映文章的平均转化情况
人均篇数:阅读 PV / 阅读 UV,反映内容消费深度
人均阅读时长:阅读总时长 / 阅读 UV,反映内容消费深度

为什么要看多个指标,不能只关注点击率呢?是因为一味追求点击率,会鼓励「标题党」,导致用户文章阅读完成度降低,最终影响产品调性,造成深度用户流失。

4、影响推荐效果的因素

影响信息流推荐效果的因素,并不仅仅只有算法模型。事实上,由于自建模型的难度很高,造成差异的往往是算法外的因素。

首先,强大的内容库是一个信息流产品的基础。内容的多样性、数量、质量、时效如果得不到保障,推荐效果根本无从谈起。譬如,今日头条、网易新闻这种量级的产品,内容每日入库量至少超过 500k,可推荐集要超过 200k。

其次,一些交互细节及业务参数的调优,也会对最终的效果产生非常大的影响。
另外,数据上报会极大影响推荐准确度和策略选择。而且通常也是埋坑及填坑最大的地方,需要产品对上报时机、阈值、去重、内容做规范。此外,冷启动策略、如何防止用户画像固化造成的「瓶颈效应」,等等,都会最终影响推荐效果。

5、用户画像体系

用户画像是内容推荐重要的参考体系,通常是对用户主动行为、推送刺激产生的数据进行挖掘后生成的。
上图是魅族新闻资讯的一个用户画像实例,其中:

更新频率:一级类目的制定,不会轻易改变,否则对算法效果影响很大,一般每周更新;而二级类目、标签几乎实时更新

准确性验证:用推送来验证画像准确性时,如果画像较为准确,推送的点击率一般在 20% 以上

负反馈、搜索:这两种行为数据虽然较少,但对画像的准确性影响很大

6、相关领域 & 如何入门

信息流产品涉及领域非常多,包括内容库、用户画像、短视频、搜索、信息流广告,等等。而且每个领域都有很多值得深挖的内容,非常锻炼产品能力。
后台-系统设置-扩展变量-手机广告位-内容正文底部
留言与评论(共有 0 条评论)
   
验证码: