编辑导语：我们在刷微博刷抖音时会发现，如果你经常看关于吃播的视频，那后面给你推荐的新内容很多都是关于吃播或者美食的；这就是信息流产品的作用，它可以根据你的兴趣给你推荐相应的内容；本文作者详细介绍了信息流内容策略实践，我们一起来看一下。
信息流产品做什么？怎么做？都有哪些模块？每个模块的核心点是什么？
本着万物皆可拆的原则，结合实践经历，我们一起来聊聊信息流的内容策略。
信息流=内容（载体：图文+视频+直播）+瀑布流，以瀑布流展现的内容，供给充足的情况下，无限下来、无限刷新、无限填充。
典型的信息流产品：头条、抖音、快手、手淘、B站，所有爆炸的供给形态，都适合瀑布流展现。
为什么信息流产品会在最近几年大爆发？如果单纯以展现形势来衡量，那古早时期的门户算不算信息流呢？
我认为当前定义的信息流产品，与传统的门户网站的区别在于：个性化+互动性+供给体量。
个性化推送：用户标签和内容标签匹配，实现千人千面的分发（从千人一面的中心化分发）；
互动性：用户行为干预推送流，“用脚投票”；
供给体量：亿级SKU，亿级内容库存，背后是生产能力的倍数级扩大；
这里插播一个问题：你认为头条的成功中个性化推送是否是决定性因素？
从头开始构建一款信息流产品，需要做哪些事？
内容池：内容生产；
内容理解：给内容打标签；
用户理解：给用户打标签；
内容链路：内容加工；
推荐策略：给合适的人推合适的内容；
分发策略：内容配比；
生态策略：CP管理；
接下来我们按顺序详细聊一下各个模块要做什么。
内容生产：需要解决的是供给问题。
头条号、企鹅号、百家号等等，这些创作者平台会为生产者提供基本的创作工具，保证基础的创作体验；除此之外，平台还会通过各种激励活动（比如，青云计划）激发用户生产，同时给新人露出的机会。
内容行业中，生产者就是内容的工厂，想要扩大生产规模，就需要提升生产能力；因此各个平台还会提供引导和培训的功能，帮助创作者学习优秀的创作经验。
内容理解要解决的是“内容是什么”的问题。
电商里面，商品理解的粒度是到SKU，包括：SKU的属性（名称、产地、材质、尺寸、颜色等）、类目（一级——二级——三级）、标签（美少女最爱、美白、热销、折扣等）、还有用户UGC信息。
内容理解要做的就是对内容进行像素级描述，一般会从内容本身和用户的角度来理解内容。
比如：
属性：标题、时长、简介、封面图等；
分类：电视剧、电影、搞笑；
标签：郭德纲、暮光之城、乘风破浪的姐姐；
用户角度是指，通过用户的行为来给内容贴标签，最简单的，女生爱看，男生爱看。
此外，大型公司中，还有引入知识图谱来加深对内容的理解，尤其是建立机器无法识别的关联；比如，拉肚子和腹泻，徐大sao和吃大蒜（这个是自己开的脑洞，大家也可以自己尝试下利用实际的场景来发现一些好玩的关系）。
除此之外，公司也会根据业务的情况，单独把某些特征拎出来单独做，比如热点识别——因为热点内容自带流量，头条会单独把热点聚合成Tab推送。
用户理解要解决“如何标签化描述用户”的问题。
人类可读的对于用户的理解：性别、年龄、喜好、生日、星座、爱听的歌、喜好的颜色……；是不是很像后小时候毕业时候的同学录？这种可以算最早的“用户画像”了（感觉暴露了年龄……）。
做好用户理解，就是要更精准的刻画用户，由于有大量的用户行为数据，包括用户和内容的交互行为，用户使用APP的行为等；从这些数据中，可以挖掘出大量对用户的认知：你喜欢什么样的内容、你和哪个账号互动最多、你看了谁的直播……；从而抽象出“你”的标签：美女、高互动性、夜间型用户等。
对用户刻画的越精细、越准，给用户推送的内容就会越准，做各种定向营销和转化的效果就会更好。
大家可以把内容生产——内容处理——内容分发的过程想象成一个工厂的流水线：工人把原材料投入机器（生产者利用工具进行创作）-> 一次成品被送上传送带进行质检（内容处理）-> 合格的一次成品被统一包装（打标签，规则化处理）->出厂进入市场（分发）。
内容链路就是这条处理的流水线，从发文侧获取内容，然后进行各种各样的质检和加工——黄赌毒，pass；色情低俗，pass；涉政敏感，pass；重复洗稿，pass……内容平台的低质特征上百计算；与此同时，这里注意，基本上是并行的，模型会对内容打上各种各样的标签。
经过流水线的内容，满足质检标准，才会进入下一步。（想要知道详细的处理流程、特征项、以及如何建模识别，感兴趣的可以留言。）
如同工厂追求效率一样，内容处理也追求效率，因此这个环节要考虑处理耗时。
推荐的核心价值是匹配。
在信息流场景，推荐要解决在什么时候让什么人看到什么内容的问题。
如果我们从技术的角度来拆推荐策略，核心可以分为召回模块和排序模块。
召回要圈定推送的集合：可以通过分类、标签、主题等召回，也可以根据CTR、时长、点赞、评论等召回，还有运营的强制干预等。
产品可以不了解具体的模型是如何运作的，但最少要理解，召回源和用户可能感兴趣这个点是要有关联的。（比如，为什么要召回热点？因为用户爱看热闹，热门的大概率会感兴趣。）
排序是对你召回的集合打分：用户对ABCDE都可能感兴趣，先给用户展示哪个呢？
这个时候，你需要和研发对齐业务目标，选择合适的排序模型；选型的工作，产品也参与不了，你需要关注离线指标，比如AUC之类；此外，一定要做好AB。
为什么单独拎出来分发策略？因为想强调，除了推荐之外，还有更多的分发方式，要保持思路开阔。
编辑分发：古早的门户时代的分发方式，按栏目归类；
订阅、社交分发：基于订阅、关注关系的分发，典型的产品形态如微博、人人网；
算法分发：基于用户画像和内容理解的推荐；
除了优化算法提升精度之外，产品经理还应该考虑内容的多样性，探索用户“隐藏”的偏好，或者基于生态的考量对类目进行加权或者降权，或者引导生产；不同公司所处的阶段，关注的重点不同，需要根据情况思考手头有哪些工具可以实现目标。
生态策略听起来比较“玄”，似乎不太好落地，但我认为是对业务直接影响最大的模块。
如何影响业务？如何能和业务保持好的联动？这是做生态的产品要持续思考的问题。
奖罚和流动机制是生态中最核心的机制。
奖罚：两个方向，头部CP（生产者）和内容的权益，比如原创——头条对于原创的内容会进行全网保护；另一个方向，底部劣质生产者和内容的打击，包括各种维度识别“坏”的内容，手段是黑名单——不同程度、类型的坏的内容，要用不同的手段来打击。
流动：我们都向往具有阶层流动性的社会，对于一个体系来说，流动性是保持活力的关键；对于体系中的新人，要设置向上的机制；比如头条的青云计划，当年手淘的聚划算也算，GMV计入搜索权重，对于很多商家来说，这是一个赶超的切入点。
以上就是信息流策略实践中总结出来的点；主讲框架，细节的点没有展开讲，如果有对某个方向感兴趣的朋友，可以留言讨论；尤其欢迎打脸的认知，一起成长。
