<code id='wso6c'><strong id='wso6c'></strong></code>
<i id='wso6c'></i>
<ins id='wso6c'></ins>

  • <dl id='wso6c'></dl>
  • <tr id='wso6c'><strong id='wso6c'></strong><small id='wso6c'></small><button id='wso6c'></button><li id='wso6c'><noscript id='wso6c'><big id='wso6c'></big><dt id='wso6c'></dt></noscript></li></tr><ol id='wso6c'><table id='wso6c'><blockquote id='wso6c'><tbody id='wso6c'></tbody></blockquote></table></ol><u id='wso6c'></u><kbd id='wso6c'><kbd id='wso6c'></kbd></kbd>

      <i id='wso6c'><div id='wso6c'><ins id='wso6c'></ins></div></i><fieldset id='wso6c'></fieldset>

          <span id='wso6c'></span>

          1. <acronym id='wso6c'><em id='wso6c'></em><td id='wso6c'><div id='wso6c'></div></td></acronym><address id='wso6c'><big id='wso6c'><big id='wso6c'></big><legend id='wso6c'></legend></big></address>

            如何评估小红书的Feed流效果?

            • 时间:
            • 浏览:18717

             

            可能很多小伙伴都和我一样没有过相关经验  ,看到Feed流这个看起来很高大上的术语  ,一脸懵逼:这是啥 ?

            因此  ,在分享我的答案之前  ,我首先会简单介绍一下Feed流是什么  。然后再以小红书为例  ,聊聊Feed流是如何评估效果、从而持续优化的  。

            一、什么是feed流

            Feed流的准确定义一直存在争议 。简单来说 ,Feed流是持续更新并呈现给用户内容的信息流  ,它存在于各种各样的APP ,字节跳动的抖音便是以Feed流起家的  。

            小红书的Feed流如下图:

            通过图片大家应该对Feed流是什么有了大致的认知  ,接下来说说我理解的Feed流:Feed流的核心是“个性化推荐”  ,它的两个主体是内容和用户  ,是用户与内容的匹配  ,“信息找人”的展现方式  。

            总的来说  ,给Feed流产品下一个定义  ,则是:通过一定的策略  ,从大量内容中筛选出部分内容  ,经过排序后展现给用户  。

            二、Feed流的生命周期:从产生到效果评估

            Feed流是用户与内容的匹配  ,目的是从大量内容中找到用户最喜欢的内容 。那么  ,这是通过什么样的策略来产生的  ,又该如何优化呢  ?接下来聊聊Feed流从产生到优化的全过程 。

            Feed流的产生 ,遵循着策略制定的四步骤:问题(目的)、输入、计算、输出  。具体来说  ,是一个这样的过程:

            为了达到“给用户展现感兴趣内容”的目的  ,输入一系列指标 ,进行逻辑计算  ,最终输出一个用户满意的Feed流结果 。

            除了“逻辑计算”这部分通常由RD(开发同学)来实现之外  ,其它的步骤都是策略产品经理需要去考虑并完成的  。

            接下来 ,我也会按照策略制定的四步骤  ,逐步聊聊Feed流是如何产生的  。

            目的

            很显然 ,Feed流的目的是 ,要大量内容中找到用户最喜欢的内容  。

            输入

            如何寻找到需要输入的指标呢  ?

            对于这个问题  ,我们可以从匹配的双方 ,也就是用户和内容  ,这两个维度来拆解问题来思考 。

            • 从用户的角度来说 ,我们需要通过获取尽可能多的数据 ,构建用户画像  ,从而了解用户是个什么样的人  。
            • 从内容的角度来说  ,我们需要获取大量、多样、优质的内容  ,有足够的内容推给他  。通过这一系列的动作  ,我们就可以知道  ,要把什么样的内容推给他  。

            细化到具体指标  ,可以从以下维度来考虑:

            (1)从用户角度  ,我们的目的是多维度寻找用户兴趣 ,从以下指标考虑:

            1)人口属性

            从性别、年龄等维度考虑:基于性别与年龄的应用较为简单 ,思想有点像数学中的“聚类算法”:检测到用户是女性 ,会更多地推送女性喜欢的内容 ,而“女生喜欢的内容”又是基于其它女性用户的数据得到的  。

            基于LBS定位:可以从两个维度考虑:

            • 一是简单地基于地理位置的内容推送 ,用户在北京海淀区  ,则会向他推送北京海淀区相关的内容;
            • 二是结合地理位置进行城市层级划分 ,例如北上广、一线城市、二线城市等  ,检测到用户处于二线城市  ,则向他推送二线城市用户喜欢的内容  。

            2)过往行为

            • 过往搜索行为:用户之前有搜索过“美食”  ,则接下来会推送美食相关的内容  。
            • 过往点击行为:用户在Feed流中点击“科技”相关内容  ,侧面说明用户对科技更感兴趣  ,因此更多地向用户推送科技的内容  。

            3)其它可获取信息

            • 例如手机型号信息  ,若用户使用的是iPhone  ,可判断用户对iPhone相关内容可能会感兴趣 ,从而向用户推送iPhone相关的内容  。
            • 以及结合具体业务情况  ,其它可以拿到的信息  。

            (2)从内容的角度  ,我们的目的是获取大量、多样、优质的内容  ,从这三个维度也可以采取多方面的措施:

            1)大量

            搭建社区生态  ,利用鼓励措施增大用户生产内容的量级 。

            2)多样

            • 通过内容运营  ,鼓励用户生产多类别UGC内容  。
            • 为用户展现的内容不局限于兴趣匹配  ,还可以向用户推送:平台热门信息、猜测喜欢信息等 ,推送内容多样化 。

            3)优质

            • 吸引网红、明星等KOL入驻  ,增加内容的质量  。
            • 小红书主要以图片内容为基础形式  ,可内置配乐、滤镜、贴纸等美化功能  ,提高UGC内容质量  。

            输出

            省略“逻辑计算”这部分不谈  ,来聊聊策略的最后一步  ,即输出一个用户满意的Feed流结果 。

            如何判断用户是否满意呢  ?

            这就涉及到Feed流效果评估的问题  。

            一个基本原则是 ,要想评估Feed流展现效果好不好 ,就是要通过各方面进行打分  ,从而得出该Feed流在用户心中的“喜爱度”  。

            打分规则可以粗略从两个角度来考虑:一是排序  ,用户喜爱的内容排在越靠前  ,则说明该Feed流效果越好 。二是从内容本身来看  ,用户喜爱的内容出现的越多  ,则说明Feed流分数越高、效果越好  。

            细化到具体的评估指标  ,可以从以下维度考虑:

            • 前n个点击量:例如考虑前10个内容中  ,用户点击了几个内容 。通过计算占比的值  ,来评估效果
            • 点击量:这是最直观的数据  。用户点击该Feed流的内容越多  ,说明用户喜爱度越高
            • 停留时长:用户在Feed流的内容中停留时间越长 ,说明用户对该Feed流越感兴趣
            • 活跃度:用户点赞、评论、转发等行为

            三、feed流的优化策略

            通过以上步骤 ,我们初步产生了一个Feed流 。然而就像一句古话  ,“上线不是结束 ,而是新的开始”  ,产生Feed流之后的过程  ,就是不断优化迭代的血泪史了 。

            接下来  ,以小红书为实例 ,咱们聊聊小红书Feed流存在的问题是什么  ?以及基于这个问题  ,如何对Feed流进行优化  。

            作为小红书的忠实用户  ,我使用小红书时遇到最大的问题  ,便是内容的同质化  。

            一方面是正常内容的同质化:

            • 从内容生产的维度来说 ,正常用户由于跟风、模仿等原因  ,发布的内容越来越趋于相似
            • 从内容接受的维度来说 ,每天推送的内容没什么新鲜感 ,仅是推送最近、过去感兴趣的内容

            另一方面是不正常的同质化:例如某些软广  ,发布了大量相似的内容  。

            小红书是内容平台  ,内容的同质化很显然会极大降低内容质量 ,轻则流失部分用户  ,重则降低产品的核心竞争力  。因此 ,对小红书来说  ,同质化问题  ,需要被排在较高的优先级去考虑  。

            为了解决内容同质化问题  ,我们可以从内容本身出发  ,从“内容重复度”的维度为将内容粗略归类 ,进而思考不同类型的解决方案:

            方案一:反作弊限制高重复度内容

            简单来说  ,对于疑似广告的行为  ,需要对内容进行识别和处理 。

            从识别的角度  ,可以从以下指标来判断内容是否是广告行为 ,对单个内容的“广告疑似度”进行打分:

            • 内容重复度极高
            • 重复篇数较多
            • 发布重复内容的IP段相似
            • 其它数据指标异常(点赞量、留言量短期快速增加)

            从处理的角度  ,由于小红书是一个内容社区 ,简单粗暴的删除内容有可能引起误伤 ,或是损害内容生态 。

            我认为处理方式可以从“降低优先级”的角度考虑:根据单个内容的“广告内容疑似度” ,来适当降低广告内容在首页Feed流及搜索中的排序  。

            若该内容被判断为大概率属于广告  ,则优先级则会降低  ,甚至完全不展现给用户  。通过这样的方法 ,对高重复度内容进行限制  。

            方案二:内容运营鼓励多样化内容生产

            对于跟风、模仿发布相似内容的用户  ,他们可能是出于两种心态:一是不知道要发布什么内容 ,二是想通过跟风模仿来获得归属感、认同感  。

            基于这个背景  ,我们可以通过在内容发布页增加文字提示的运营方式  ,来鼓励用户发布多样化的内容  。例如以下提示  ,适当引导用户发布的内容:

            • 美食类:晚上好  ,晒晒你的丰富大餐吧
            • 健身类:说说你最近的瘦身成果吧 ,听说80%在小红书晒健身计划的人都瘦了哦
            • ……

            一方面  ,从用户角度来说  ,结合场景的提示语拉近了用户与内容社区的距离  ,适当的引导可以解决用户发布内容时“不知道选取什么主题”的问题  。

            另一方面  ,从公司角度来说  ,也可以通过实时监控与调整  ,来完善社区内容的多种类  。具体来说  ,当遇到“美食类内容生产较少”的问题  ,可以通过增加美食类引导语比例 ,来促进社区内容的种类完整性 。

            方案三:精准推送策略与多样化推送策略的平衡

            Feed流的最终目的是“寻找到用户喜欢的内容” ,为了达到这个目的  ,一个有效的途径是进行用户与内容的“精准匹配”  ,通过过往信息来判断用户的兴趣  ,即精准推送策略  。

            但实际上  ,用户对“自己喜欢的内容”的界定是比较模糊的  。有时候  ,就连用户自己也无法准确描述自己喜欢的是什么 ,仅局限于对过去信息来判断用户兴趣  ,会忽略掉用户未来、有可能兴趣  。因此  ,就会出现推荐内容同质化的问题  。

            因此  ,除了推荐精准预测的内容外  ,也应当进行多样化内容的推送  。在进行内容匹配时 ,为用户展现的内容不局限于兴趣匹配 ,还可以向用户推送:平台热门信息、猜测喜欢信息等  ,推送内容多样化

            作者:Cipher

            来源:Cipher