本文創(chuàng)新提出AI賦能新媒體平臺運(yùn)營策略，與你分享~

一. AI賦能新媒體運(yùn)營綜述

新媒體平臺運(yùn)營往往會經(jīng)過種子期、爆發(fā)期、平臺期的運(yùn)營策略。在此基礎(chǔ)上，基于用戶賦能的視角，有心理賦能、結(jié)構(gòu)賦能和資源賦能，本文創(chuàng)新提出AI賦能新媒體平臺運(yùn)營策略。

文章開始從AI賦能寫稿，AI賦能平臺流量分發(fā)機(jī)制即內(nèi)容推薦算法，然后簡述AI賦能社交互動，最后強(qiáng)調(diào)建議累積平臺核心資產(chǎn)建立統(tǒng)一的數(shù)字倉庫，以期望為新媒體平臺運(yùn)營人員打開一扇人工智能賦能運(yùn)營的窗！

二. AI賦能新媒體平臺4面解析

1. 新媒體內(nèi)容創(chuàng)作：AI四步賦能寫稿

第一步：熱門話題發(fā)現(xiàn)

新媒體運(yùn)營蹭熱點(diǎn)是必須的，而通多數(shù)據(jù)挖掘可以提早發(fā)現(xiàn)熱門話題。熱點(diǎn)話題與追蹤屬于數(shù)據(jù)挖掘的范疇，可應(yīng)用于每天出現(xiàn)的信息安全、輿情監(jiān)測、突發(fā)信息等領(lǐng)域。 對微博、論壇、新聞等不同類型的數(shù)據(jù)統(tǒng)一進(jìn)行處理，實現(xiàn)全媒體熱點(diǎn)話題發(fā)現(xiàn)。

AI賦能技術(shù)流程如下圖：

第二步：話題分類

通過對采集到的熱門話題進(jìn)行分類，依據(jù)文本內(nèi)容自動打上相應(yīng)話題標(biāo)簽?？煞譃槎鄠€版塊類別（如財經(jīng)，體育，科技、民生等），多個行業(yè)分類（如汽車，奢侈品，飲食，全面小康等），以及多個細(xì)分子話題標(biāo)簽（如自然災(zāi)害，食品安全，條例違規(guī)，高管變動等）。同時可用話題分類AI技術(shù)快速添加并識別各種定制話題。話題分類技術(shù)流程如下圖：

第三步：自動摘要

用AI自動摘要技術(shù)生成熱門內(nèi)容摘要，節(jié)省運(yùn)營效率，提升新媒體內(nèi)容角度?；贏I中的自然語言處理技術(shù)，自動歸納文本大意，快速了解文本的核心要點(diǎn)，節(jié)省新媒體運(yùn)營人員大量閱讀時間。自動摘要生成AI技術(shù)流程如下圖：

第四步：編輯糾正

作為新媒體運(yùn)營人員可以就自動生成的摘要要文進(jìn)行創(chuàng)造，利用AI作為新媒體運(yùn)營的助手。

2. AI賦能信息分發(fā)：以抖音為例

懂信息推薦算法，對自己平臺解決冷啟動和在其他平臺分發(fā)信息掌握分發(fā)技巧都有幫助。

（1）解決冷啟動推薦

從綜合算法推薦圖中可以很清楚的看到，首先，系統(tǒng)對每個用戶都有一個用戶 Profile 的建模，其中包括用戶的基本信息，例如用戶的年齡，性別等等；然后，系統(tǒng)會根據(jù)用戶的 Profile 計算用戶的相似度，可以看到用戶 Pa的 Profile 和用戶 Pc 一樣，那么系統(tǒng)會認(rèn)為用戶 Pa 和 Pc是相似用戶，在推薦引擎中，可以稱他們是“鄰居”；最后，基于“鄰居”用戶群的喜好推薦給當(dāng)前用戶一些內(nèi)容，圖中將用戶 Pa喜歡的內(nèi)容 Ba 推薦給用戶 Pc。

（2） 基于內(nèi)容推薦

圖中給出了基于內(nèi)容推薦的一個典型的例子，短視頻推薦系統(tǒng)，首先我們需要對短視頻的元數(shù)據(jù)有一個建模，這里只簡單的描述了一下短視頻的類型；然后通過短視頻的元數(shù)據(jù)發(fā)現(xiàn)短視頻間的相似度，因為類型都是“小姐姐、旅行、教育培訓(xùn)”視頻 Ba和 Bc 被認(rèn)為是相似的短視頻（當(dāng)然，只根據(jù)類型是不夠的，要得到更好的推薦，我們還可以考慮短視頻的拍攝時間，制作份數(shù)等等）；最后實現(xiàn)推薦，對于用戶 Pa，他喜歡看短視頻 Ba，那么系統(tǒng)就可以給他推薦類似的短視頻 Bc。

（3）用戶協(xié)同過濾

上圖示意出基于用戶的協(xié)同過濾推薦機(jī)制的基本原理，假設(shè)用戶Pa喜歡內(nèi)容 Ba，內(nèi)容 Bc，用戶 Pb喜歡內(nèi)容 Bb，用戶Pc 喜歡內(nèi)容 Ba ，內(nèi)容 Bc 和內(nèi)容 Bd；從這些用戶的歷史喜好信息中，我們可以發(fā)現(xiàn)用戶Pa 和用戶Pc的口味和偏好是比較類似的，同時用戶Pc還喜歡內(nèi)容Bd，那么我們可以推斷用戶Pa可能也喜歡內(nèi)容Bd，因此可以將內(nèi)容Bd推薦給用戶Pa。

基于用戶的協(xié)同過濾推薦機(jī)制和基于冷啟動的推薦機(jī)制都是計算用戶的相似度，并基于“鄰居”用戶群計算推薦，但它們所不同的是如何計算用戶的相似度，基于冷啟動的機(jī)制只考慮用戶本身的特征，而基于用戶的協(xié)同過濾機(jī)制可是在用戶的歷史偏好的數(shù)據(jù)上計算用戶的相似度，它的基本假設(shè)是，喜歡類似內(nèi)容的用戶可能有相同或者相似的口味和偏好。

（4）內(nèi)容協(xié)同過濾

基于內(nèi)容的協(xié)同過濾推薦的基本原理也是類似的，只是說它使用所有用戶對內(nèi)容或者信息的偏好，發(fā)現(xiàn)內(nèi)容和內(nèi)容之間的相似度，然后根據(jù)用戶的歷史偏好信息，將類似的內(nèi)容推薦給用戶，上圖很好的詮釋了它的基本原理。

假設(shè)用戶Pa喜歡內(nèi)容Ba和內(nèi)容Bc，用戶Pb喜歡內(nèi)容Ba，內(nèi)容Bb和內(nèi)Bc，用戶Pc喜歡內(nèi)容Ba，從這些用戶的歷史喜好可以分析出內(nèi)容Ba和內(nèi)容Bc時比較類似的，喜歡內(nèi)容Ba的人都喜歡內(nèi)容Bc，基于這個數(shù)據(jù)可以推斷用戶Bc很有可能也喜歡內(nèi)容Bc，所以系統(tǒng)會將內(nèi)容Bc推薦給用戶Pc。

與上面講的類似，基于內(nèi)容的協(xié)同過濾推薦和基于內(nèi)容的推薦其實都是基于內(nèi)容相似度預(yù)測推薦，只是相似度計算的方法不一樣，前者是從用戶歷史的偏好推斷，而后者是基于內(nèi)容本身的屬性特征信息。

（5）抖音流量池背后的原理

時下推薦算法往往都不是單純只采用某一種推薦的機(jī)制和策略，他們往往是將多個方法混合在一起，從而達(dá)到更好的推薦效果。

例如時下熱火的抖音綜合采用以下算法：

第一，智能分發(fā)，抖音的算法有別于其他短視頻的流量分配，就像微博的流量向名人大V集中，剛開的微博都沒人看。而頭條系即便你是0粉絲，發(fā)布的任何視頻，抖動系統(tǒng)都會智能分發(fā)幾十上百的流量。而新視頻流量分發(fā)以附近和關(guān)注為主，再配合用戶標(biāo)簽和內(nèi)容標(biāo)簽智能分發(fā)，如新視頻的完播率高，互動率高，這個視頻才有機(jī)會持續(xù)加持流量。

這也正是0粉也能1夜10w＋，一夜爆紅的原因，因此抖音的算法讓人“雨露均沾”，這波紅利給人人以機(jī)會，天天有看點(diǎn)！

第二，分層混合推薦，即疊加推薦，是指新視頻都會智能分發(fā)100vv左右的播放量，如轉(zhuǎn)發(fā)量達(dá)10（舉例），算法就會判斷為受歡迎的內(nèi)容，自動為內(nèi)容加權(quán)，疊加推薦給你1000vv，轉(zhuǎn)發(fā)量達(dá)100（舉例），算法持續(xù)疊加推薦到10000vv，轉(zhuǎn)發(fā)量達(dá)1000（舉例）,再疊加推薦到10wvv，依次累推…所以一夜幾百萬播放量的抖音主也矇，不知道發(fā)生了神馬，實則是分層的混合（Meta-Level Hybridization）采用多種推薦機(jī)制，并將一個推薦機(jī)制的結(jié)果作為另一個的輸入，從而綜合各個推薦機(jī)制的優(yōu)缺點(diǎn)，得到更加準(zhǔn)確的推薦。

此推薦當(dāng)然是以內(nèi)容的綜合權(quán)重作評估標(biāo)準(zhǔn)，綜合權(quán)重的關(guān)鍵指標(biāo)有：完播率，點(diǎn)贊量，評論量，轉(zhuǎn)發(fā)量，且每個梯級的權(quán)重各有差異，當(dāng)達(dá)到了一定量級，則以大數(shù)據(jù)算法和人工運(yùn)營相結(jié)合的機(jī)制。

第三，熱度加權(quán)，實刷近百條爆火抖音，發(fā)現(xiàn)所有一夜爆火的視頻，和抖音推薦板塊的視頻，播放量多在百萬級，綜合數(shù)據(jù)（完播率，點(diǎn)贊量，評論量，轉(zhuǎn)發(fā)量）無一例外都很好?？梢娊?jīng)過大量用戶的檢驗，層層熱度加權(quán)后才會進(jìn)入了抖音的推薦內(nèi)容池，接受幾十到上百萬的大流量洗禮，各項熱度的權(quán)重依次為：轉(zhuǎn)發(fā)量>評論量>點(diǎn)贊量。

熱度加權(quán)的混合（Weighted Hybridization）用線性公式（linear formula）將幾種不同的推薦（完播率、點(diǎn)贊量、評論量、轉(zhuǎn)發(fā)量）按照一定權(quán)重組合起來，具體權(quán)重的值需要在測試數(shù)據(jù)集上反復(fù)實驗，從而達(dá)到最好的推薦效果。關(guān)于如何根據(jù)產(chǎn)品業(yè)務(wù)類型切換組合各個推薦機(jī)制歡迎交流微信Line15201991967。

3. AI賦能社交互動：簡述

關(guān)于AI在社交互動中的應(yīng)用，研究發(fā)現(xiàn)，悟空問答是個智能問答平臺，通過AI技術(shù)可以快速給出問題最合適的答案。同時，在短視頻領(lǐng)域，AI在互動上的應(yīng)用表現(xiàn)得更明顯。抖音視頻中，用戶吃什么顏色的冰淇淋，就可以暈染出同色調(diào)頭發(fā)，并達(dá)到發(fā)絲染色的精確度，讓畫面十分自然。

4. AI賦能數(shù)據(jù)倉庫：打通運(yùn)營數(shù)據(jù)孤島

新媒體運(yùn)營一個新的平臺一個新的產(chǎn)品需要塑造一個品牌，而品牌是一種共識，這種共識是有數(shù)字化構(gòu)成。時下許多企業(yè)的數(shù)據(jù)是處于數(shù)據(jù)孤島階段。大的例如騰訊的AI部門有3個:騰訊優(yōu)圖、AI lab、騰訊云。對于AI本身來說這種組織架構(gòu)是不利于AI賦能的突破的。需要做的是統(tǒng)一的數(shù)據(jù)倉庫。

以騰訊為例構(gòu)建統(tǒng)一的數(shù)據(jù)倉庫，開發(fā)一套數(shù)據(jù)后臺，幫助品牌智能分析人群，實現(xiàn)預(yù)估、推薦，投放及投后分析全鏈路打通，并沉淀品牌專屬的數(shù)據(jù)資產(chǎn)。 建立品牌共識需要的是打通QQ、微信、騰訊優(yōu)圖、騰訊云數(shù)據(jù)，建議統(tǒng)一的數(shù)據(jù)倉庫，具體建立數(shù)據(jù)倉庫的細(xì)節(jié)【例如需求抽象、建模、選擇算法等】本文暫且不展開講述。

最后小結(jié)：AI時代，什么是運(yùn)營之美

未來產(chǎn)品運(yùn)營中使用至少一種AI技術(shù)就是美，產(chǎn)品運(yùn)營中既有數(shù)據(jù)的知性又充滿人格化的感性就是美！

在AI賦能新媒體平臺的航道上， 理性能讓船（成型產(chǎn)品）航行，感性能發(fā)現(xiàn)新大陸（將產(chǎn)品引領(lǐng)到新的戰(zhàn)場）！

如果你想系統(tǒng)化入門AI產(chǎn)品經(jīng)理，掌握AI產(chǎn)品經(jīng)理的落地工作方法，戳這里>http://996.pm/7bjab

#專欄作家#

連詩路，公眾號：LineLian。人人都是產(chǎn)品經(jīng)理專欄作家，《產(chǎn)品進(jìn)化論：AI+時代產(chǎn)品經(jīng)理的思維方法》一書作者，前阿里產(chǎn)品專家，希望與創(chuàng)業(yè)者多多交流。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。