这是一本关于自媒体从业者的创作指南
这篇书评可能有关键情节透露
内容算法》这本书讲是关于内容算法还有目前时下一些科技公司的自媒体运营模式，里面包括了很多对于算法的思考，你在今日头条上面看到的一篇稀松平常的文章，可能经历过系统和作者，还有你自己三者博弈的结果。
总体来说，可以算是一本互联网自媒体从业人员的创作指南
一.【关于内容推荐】
走进内容推荐
推荐系统与搜索最大的差异在于用户表意是否明确。因此，推荐系统需要尽可能地完善用户的长期画像
作者在这里认为产品经理应该学会退位，让机器不断逼近更好的上线【个人根据人工不智能里面的观点，认为机器学习目前还存在许多要调整的地方，还不能很好地替代人的判断】
推荐起点：断物识人
断物最简单的方式就是：贴标签
标签是我们对多维事物的降维理解，抽象出事物更具有表意性。
应用分类时必须考虑分类权威性和信息完备性问题，避免因为子节点覆盖不全或分类错误导致的认知问题（用户反馈自己的文章没有对应标签）
罗振宇曾经提到，某不良商家会根据用户的收货地址来预估用户的认知水平，从而决定是发送真货、高仿，还是假货（又比如同一样商品放进购物车，价格敏感的用户更容易收到优惠券）
电商场景：购物的权重>购物车的权重>查看的权重）
3.推荐算法：物以类聚，人以群分
借助TF-IDF方式给不同标签设置权重，其基本思想是：出现频率越搞的标签区分度越高
人以群分：基于用户行为的协同过滤
用户的消费行为作为特征，以此进行用户相似性或者物品相似性的计算，进行信息匹配，是协同过滤的基础。
从算法到应用
冷启动
业绩也有公司采用专门的运营标注团队，对高质量视频进行系统化的标签完善和建设工作
知乎新上线的“想法”频道，主要是展现关注用户的短内容，并会穿插一些推荐性质的短内容，尽管问答主场景和“想法”频道都融合了推荐算法，但是两个场景下的冷启动目标是不一样的。
NETFLIX：冷启动阶段新用户更倾向于热门内容，而老用户则更需要长尾内容的推荐
应用推荐的本质上还是以“留住用户”为第一要务，牺牲一定量的用户广泛兴趣，获得用户长期留存率的提升。
大品类内容具备大规模内容生产能力和内容消费需求的，即便是生推。【比如假设微博引入科比这个球星，直接送一次全局的开屏曝光未尝不可，这次的推送对于提高留存率帮助会比较大】
生推的同时，可以加入专家系统的先验知识。
用户消费角度
应对小众兴趣，解决的方法需要扩充系统的资源地，另一方面需要通过产品设计鼓励用户更加主动生产地进行强表达行为（如收藏、关注）
好的消费系统，是不会止于于已知边界的，要用一次次探索去探索未知
常见的推荐问题
推荐密集
伴随着热点，人们的消费量也会在一阶段显著攀升。
头条采用滑动窗口规则，即连续多条规则尽可能在这个维度打散，降低用户视觉密集感。
针对易反感的内容，先要识别得准，再要推荐得好，标注人通过双盲检验的方式标注出足够进行模型训练的数据
易反感内容，即用户不点击，也应该当作一个负向反馈。
对大型推荐系统来说，需要平衡两方的内容，短时效性内容推荐的时间长了会对用户体验造成伤害。
带着偏见看推荐
由于公众自身的信息需要并非全方位的，公众只注意自己选择的东西和使自己愉悦的领域，久而久之，会将自身桎梏于像蚕茧一般的“茧房”中。
如果产品交由特定群体来判断，或许永远无法产出如“快手”这样的产品。
内容供给和内容消费一定是金字塔结构的，越基础层的内容越具有消费规模。
面对推荐系统
业务的理解
以滴滴打车为例，主要的使用场景是打车，叫车完成后以“方便司机接您时联系您”为理由，让用户更愿意填写手机信息，类似的，视频、音频应用只有登陆才能缓存音视频，在未登陆状态下只能收藏一定数量等。
二.【关于自媒体】
自媒体的数据分析
在咪蒙的工作方式，她会把当天写的内容发出来，交于自媒体小组的员工开始取标题。15分钟-20分钟内，每个人至少取5个标题。这样，每一篇内容背后，都有接近100个标题！
蒙随后从中挑取5-6个。放到3个用户顾问群投票。咪蒙会参考最终的投票结果，决定用哪一个标题。这种方式，其实就构建一个最朴素的AB系统并一次验证标题对内容一次打开率的影响。
对于标题，我习惯引用咪蒙的观点：“不能在一秒钟看明白的标题，不适合传播。不是读者理解不了，而是他只能给咱们一秒钟。
自媒体运营
比较有门槛的领域，一小时能洗四五篇；一般领域的内容，一天能洗30篇吧；要是娱乐科技的内容，一天我能洗出七八十篇。
内容付费
得到（奢侈品店模式）、喜马拉雅（天猫模式）与知乎（淘宝模式），共同构成了内容付费平台级典型案例。它们搭建了内容市场，提供了内容商品的上架、销售与售后全流程支持，并或多或少地介入了内容的采购与制作环节。
