AI产品经理：人工智能在内容分发推荐领域的想法

https://coffee.pmcaff.com/article/1717752174544000/pmcaff?utm_source=forum&newwindow=1

前文：@首发[策略产品经理研习社]（公众号chanpin007），已托管维权骑士转载请联系。 关于自己对人工智能（AI）与内容推荐、分发领域的一些思考。不保证完全正确、完整。更多是日常发散想法，以及一些身边做推荐分发和AI的PM沟通的Q&A想法，后面其他方向的也会不定期发出来。本期十个想法，关于内容，分发推荐以及AI。这里也没有太大的章节段落，大家感兴趣可以看看，随意看，草记。补充1：这些观点，如果你认可的话，也可以作为面试回答的点。但前提需要你认可和有一定工作经验、产品案例去支撑，否则被面试官深挖会被套路而面试丢分）补充2：姊妹篇（占坑）：

#目录

• 想法一：现状最成熟的个性化
• 想法二：人工智能在内容推荐产品中应用
• 想法三：人工智能的本质和发展趋势
• 想法四：抖音和微信打架？（本质是抢占分发）
• 想法五：内容分发老东家的新趋势和展望？
• 想法六：分发的内容怎么来？
• 想法七：内容分发推荐的核心原理？
• 想法八：内容推荐产品迭代方向是？
• 想法九：内容推荐需要产品运营吗？

• 想法十：内容推荐产品的渠道推广？

  想法一：现状最成熟的个性化

  人工智能在内容分发领域应用较为广泛、深度。
  如今日头条、抖音、快手等产品，其内容分发的本质：基于人工智能在推荐系统的应用。
  （目前个性化方面的应用，应是最成熟的落地场景。可能这个不一定绝对正确。但如果综合用户感知强度、商业价值、技术成熟度、人员储备量，应该是上面所提的较为成熟。日前有个调研报告，关于现在大部分群众对人工智能感知最强是无人驾驶，然后是个性化推荐。）

  想法二： 人工智能在内容推荐产品中应用

  （1）内容分发历史变迁
  1.口口相传——>文字，纸张——>电视，收音机等媒介方式—>互联网，内容推荐算法
  规律：
  A信息不断爆炸
  B信息不断去中心化
  （中心化即：如图书，传统报纸由编辑经验选择内容、强制的。用户没有选择权）
  （2）人类对信息接收程度
  信息过多，处理焦虑。海量信息，如何选择。
  规律：很简单，如诸葛亮、雍正，累死。
  （3）互联网
  互联网的门户编辑筛选下发——>搜索引擎作内容分发——>移动端碎片化（个性化）
  【移动端时代，编辑模式、搜索筛选模式都是成本很高的】
  （4）解决信息过载的方式
  A个性化分发方式：（内容推荐）
  1.今日头条、抖音
  2.传统的编辑推荐，如知乎、微博 也往推荐系统在走
  B.知识付费（优质内容）
  C.计算广告，商业投放，精准营销mord……..

  想法三：人工智能的本质和发展趋势

  人工智能有3个关键要素：数据、算法、算力。
  数据：大数据时代（互联网的海量用户数据）ps但依然存在数据种类不丰富、维度不全；
  算力：芯片GUP等、云计算；
  算法：一堆公式，可从论文也可从开源上拿来就用，但好不好用还需业务验证。
  人工智能可以理解为：“模型”（提供输入输出）。
  本质：端-端
  输入输出方式：输入数据，输出结果；
  现状：弱人工智能；
  人工智能（模型）数据函数的生成是变量+预测。
  本质是先将过去的数据作为自变量，以及对应的结果作为因变量。
  然后将这两个量输入到机器里，然后通过特征算法生成该函数。
  此时，当扔进“新的数据“ 作为自变量，作为预测。
  …

  想法四：抖音和微信打架（本质是抢占分发）

  为什么会打起来？
  首先，互联网的公司本质就是竞争用户的注意力。（流量，占据用户的时长）
  其次，2016年开始，整个互联网进入了“存量竞争”，即人口红利过去了。当下竞争就是用户的注意力。目前就是头条系的产品占了越来越多用户时间，导致腾讯系产品的被积压，即甚至导致一些内部孵化产品走向灭亡。（腾讯内部很多孵化项目….）
  再者，我觉得也是两个方向PK：工具互联网和算法互联网的PK。（腾讯系的好产品一般是工具，如QQ和腾讯。但偏运营、技术性的不擅长。ps：工具本质是提升用户解决问题的效率。）
  算法互联网产品（头条，懂车帝，抖音等）
  从工具互联网到算法互联网的更替。以前的工具已经有了，如果再做工具是没有太多机会。因此从内容、推荐分发入口，解决信息过载的问题。
  又或者说传统纯工具型的产品，也要“搭载”内容才能“增强壁垒”、走的更远。如很典型的浏览器、WIFI万能钥匙等，都成功加载了feed内容资讯流，延长产品生命，提升用户时长和活跃粘性，增大商业变现空间。
  即，很多的人工智能、分发类产品，都是走算法的产品封装，解决问题。

  想法五：内容分发老东家的新趋势和展望？

  内容分发的老东家是泛指：信息流产品。
  这类很多，如今日头条的新闻内容，淘宝京东等电商首页，如小视频等等…

• 传统的信息流产品：各家的门户、新闻客户端。一般通过汇聚内容源在客户端展示，渠道铺量、卖广告赚收益；

• 当互联网进入下半场，需要搞的是生态流量+精细化运营。（当红利期结束，存量竞争）——>导致渠道铺量、用户红利增长缓慢，广告收益降低。

因此出现两个趋势：
1、C端垂直化。（如头条有很多垂直类产品，悟空问答、懂车帝，当他们产品的增长都很慢，那么就开始做精细化运营，包括原来的tab频道衍变成app产品）
2、B端产品。（如头条把很多产品与工具类、手机设备商提供内容合作、厂商和APP捆绑安装合作等，这点类似wifi万能钥匙的逻辑）
巨头会在信息流有局限吗?
微博、快手：内容产品孵化上没有头条那么顺利。
why：核心是：由于微博基于做媒体类产品,快手也是基于短视频类的产品。无论做任何产品始终都是面对同一类用户，无法像头条一样做用户的分群，精细化运营？

想法六：分发的内容怎么来？

即，内容推荐产品内容源，业内大多数是以下的：
（1）自生产内容
1.媒体有采编权的。 有记者采访、发布等权利。
2.内容编辑生产内容。即洗稿。虽然没有采访权，可以通过对多方内容进行整合生产内容。
（2）合作方内容
一般目前的内容产品平台，都是聚合类。即与主流媒体合作，提供内容合作。
（3）自媒体内容
主流的内容分发平台都做了。如一点号、百度号、大鱼号、头条号。即自媒体生产的内容汇聚到平台之中。（UGC/PGC/UPGC）
（4）网络抓取内容
爬虫。（版权意识问题）
如搜狐的主流账号，都是靠抓取的。（自生产比较少）

想法七：内容分发推荐的核心原理？

• 内容推荐产品个性化推荐【原理比较复杂、核心】
  
  流程图节点说明：
  内容源：
  内容审核与发布：
  运营干预：
  >某些内容是要热点置顶的
  >
  内容画像：
  >如资讯内容：一篇文章属于汽车OR娱乐？作者来源是？分级
  >
  用户画像：
  构建模型及自学习：（推荐系统）

• 召回：从海量内容库筛选出 符合产品场景调性、用户兴趣需求的内容。（即初筛出几百-上千条）

经典的算法：CF（基于内容和基于用户）
基于用户：人以类聚，物以群分。
基于物品：一般用户买了A，又会买B。 此时有用户买了A，那么我给推B
基于热度：
基于内容：在相关推荐。（不依赖用户兴趣行为，纯基于内容的相关性）

• 排序：召回初筛的，*（但是不知道哪个用户对哪类会更感兴趣）于是利用用户历史行为进行计算，预测【模型】未来。使之更可能点击、感兴趣。

所以召回的多篇文章，扔进去算法排序模型中。此时对每篇进行分数计算，分值越高越靠前。（如0.8分、0.7）。

• 多样性及过滤：（个性化容易陷入单调）

多样性：
过滤：解决不必要的内容。（如1淘宝购买了一个跑步机，还推跑步机则不好。如果买了鞋子再推鞋子，还能说得过去。所以跑步机是需要过滤的）—>看内容的属性（购买周期）、2.看过重复的不再推。）
模型的效果优化（自学习）
用户使用产品的内外部条件变化。（节日、热点）
如端午节，用户更关注节日行为。那么用户阅读行为也变化。那么算法也需要自学习这些行为。
即在原有模型基础上做增量模型的更新，在不断自学习。以达到更理解用户行为偏好，并且能满足当时当下的行为特征和偏好。以保证这些内容是用户是喜欢和更关注的。

想法八：内容推荐产品迭代方向是？

即，PM做一个0-1或1-99的内容推荐产品，往往迭代工作方向有以下：
（1）填充更多内容类型
如头条一开始只有图文类内容。随着对用户的理解、诉求变化等，丰富更多内容类型以作推荐。
(如直播，小视频，小说，问答，微头条）
因此，内容类型不断被增加，产品迭代方向：
内容源如何获取、内容如何筛选、内容如何在前端展示？
（2）触发及收集更多用户行为
收藏、评论、点赞踩、负反馈…降维、升维？、打压等等…给推荐系统进行不断反馈学习。
那么这时候的方向是：收集、特征化、验证更多的行为数据，这个可以参考社区大量的产品、场景特征。
（3）提升广告推荐效果及广告位覆盖（优先级高点）
广告本质即推荐系统+竞价排名。为了保证整体效果，如广告ROI、符合用户偏好，所以也需要精准定投，即用户画像的精准。
其次，不断扩充广告位的覆盖。提升更多广告收入，做增量。
如feedl流梅刷出现2条广告（4、9）…
（4）提升算法分法效率
内容标签完善。人工干预给内容打标签、标注；
排序阶段做更多，如给排序加入更多的特征；如将深度学习加到排序算法中，即特征预处理。
需要更懂用户，也懂数据。从数据表现和短期业务目标作策略调整。
例子：如提升用户平均阅读篇数，推荐更多热门、新的吸引点击；
（核心：让策略PM（画像/推荐分发等PM）更了解用户、更了解业务目标，来做召回的事情，做到极致。召回决定推荐系统的上限，质量。）
（5）功能方面完善
很多，如

• 用户阅读需求方式：信息流、专题方式、push方式…
• 用户与内容、作者的互动：互动性、粘性..
• 基础设施的功能问题：答题奖品…..

  想法九：内容推荐需要产品运营吗？

  肯定需要。
  因为不管算法再牛B，在互联网用户中。
  有人就有江湖，光产品和算法不够，用户用的爽不爽，氛围需要运营。
  （1）内容运营方式
  即离线的push、短信等：用户拉活唤维。内容领域push一般可分为3类：
  1.快讯：时效性高的。（哪家快就内容拉活效果高，内容聚合产品这个比较重视）
  2.个性化的：运营（内容）打标签、用户打标签：解决是留存。
  3.订阅的：如订阅了某个作者，更新的通知。
  >>内容的干预：某频道的头部（政治、热点）、封禁的过滤；
  （2）推荐运营方式
  个岗位的技术含量，说白就是给用户、内容打标签，跳权。
  负责规则策略。包括有给用户、内容打标签； 自媒体等级； 调权）
  （3）活动运营方式
  拉活拉新。如金币积分、师徒、福利活动等。（看业务）
  （4）…..more

  想法十： 内容推荐产品的渠道推广？

  即，如何主动触达用户获取用户？
  （1）线上渠道分类
  PC SEO
  移动端 ASO
  官网、设备商合作（推广、预装，如一点资讯+opop）、应用商店
  （2）线下渠道获取方式
  活动地推
  线下广告
  （3）新渠道趋势
  16年后进入存量竞争。
  趣头条：直接补贴、发钱。
  （4）…more，偏市场营销，饭友们感兴趣推荐可以看AIDMA营销策略，对增长方面很有帮助。

  小结

  如前文所述，是属于个人一些日常发散想法，以及一些身边做推荐分发和AI的PM沟通的Q&A想法。
  因此，内容不保完整性质。同时也没章节段落，大家感兴趣可随意看，草记。
  本期十个想法，关于内容，分发推荐以及AI。
  其他的方向的后面也会不定期发出来。
  此外，作为PM面试的角度：
  这些观点，如果认可的话，也可以作为面试回答的点。但前提需要你认可和有一定工作经验、产品案例去支撑，否则被面试官深挖会被套路而面试丢分。

—————
以上，谢谢
希望对你有帮助，
大家也可以分享给身边有需要的人~