社區(qū)內(nèi)容量很大時(shí)，內(nèi)容曝光有限，非常影響社區(qū)作者創(chuàng)作的積極性。為了解決內(nèi)容曝光有限的問(wèn)題，內(nèi)容標(biāo)簽系統(tǒng)不失為一種有效的解決方案。本文結(jié)合一些案例來(lái)探討，做內(nèi)容標(biāo)簽系統(tǒng)的必要性。

一、問(wèn)題背景

社區(qū)產(chǎn)品中，在內(nèi)容量大的情況下，曝光數(shù)量和內(nèi)容總量相比，是十分有限的，對(duì)社區(qū)作者很不利。

我們以一個(gè)案例來(lái)分析一下，曝光有限對(duì)作者的嚴(yán)重危害。

某社區(qū)起步時(shí)有1千個(gè)作者，發(fā)展兩年后，作者變?yōu)樵鹊?00倍，也就是10萬(wàn)。每一位作者的每天能發(fā)布數(shù)量都在一個(gè)正常范圍內(nèi)，即人均發(fā)布數(shù)量一定。

剛起步時(shí)，社區(qū)的作者數(shù)量是較少的，因此每天的內(nèi)容新增量也少。在社區(qū)中發(fā)布后，非常容易被曝光到讀者用戶(hù)，被用戶(hù)閱讀互動(dòng)。

當(dāng)作者變?yōu)?0萬(wàn)后，人均發(fā)布數(shù)量一定時(shí)，對(duì)應(yīng)每天的內(nèi)容新增量變?yōu)樵鹊?00倍。雖然讀者的用戶(hù)量也有一定比例增長(zhǎng)，但由于內(nèi)容新增量更多了，每個(gè)作者發(fā)布的內(nèi)容被曝光的機(jī)會(huì)，會(huì)變得更加稀有和珍貴。一旦曝光需求沒(méi)有得到滿足，作者就無(wú)法收到讀者的閱讀互動(dòng)反饋，也就無(wú)法形成正向激勵(lì)。

我們知道，看一個(gè)社區(qū)的價(jià)值，可以是看作者的規(guī)模及質(zhì)量。比如YY直播，看的是主播；知乎，看的是大V等回答者；B站視頻，看的是UP主。

一個(gè)無(wú)法滿足作者曝光需求的社區(qū)，無(wú)疑會(huì)導(dǎo)致作者粘性降低，非常容易流失，甚至跑去競(jìng)爭(zhēng)對(duì)手的平臺(tái)。

二、標(biāo)簽的定義

為了解決內(nèi)容曝光有限的問(wèn)題，內(nèi)容標(biāo)簽系統(tǒng)不失為一種有效的解決方案。

內(nèi)容標(biāo)簽系統(tǒng)，是用若干關(guān)鍵詞來(lái)描述內(nèi)容特征。它適用于內(nèi)容量大的社區(qū)產(chǎn)品，用來(lái)改善內(nèi)容曝光。

三、標(biāo)簽如何改善曝光

標(biāo)簽是如何解決曝光有限的問(wèn)題呢？基于標(biāo)簽的推薦，可以有效讓內(nèi)容曝光至對(duì)應(yīng)的目標(biāo)用戶(hù)。

必須明白的是，我們解決曝光有限的問(wèn)題，不是為了曝光而曝光。而是希望，將內(nèi)容準(zhǔn)確地推薦至目標(biāo)用戶(hù)，讓目標(biāo)用戶(hù)消費(fèi)，并作出正向反饋，給到社區(qū)作者，從而維持社區(qū)作者的創(chuàng)作積極性。

在內(nèi)容量大的社區(qū)產(chǎn)品中，存在信息過(guò)載，而讀者的內(nèi)容需求是多種多樣的、不斷細(xì)分的。因此，內(nèi)容消費(fèi)方式需要從原先由用戶(hù)主動(dòng)獲取，轉(zhuǎn)變?yōu)橐酝扑]為主的被動(dòng)獲取。從千人一面，轉(zhuǎn)變?yōu)榍饲妗?/p>

標(biāo)簽有3種典型的推薦應(yīng)用場(chǎng)景，可以改善曝光，分別是:新用戶(hù)內(nèi)容推薦、相關(guān)內(nèi)容推薦、個(gè)性化內(nèi)容推薦。

1.?基于標(biāo)簽的新用戶(hù)內(nèi)容推薦

社區(qū)產(chǎn)品中，每天都有大量的新增用戶(hù)。

新用戶(hù)在注冊(cè)時(shí)，選擇自己感興趣的內(nèi)容標(biāo)簽，在使用產(chǎn)品時(shí)，就可以將相同標(biāo)簽的內(nèi)容推薦給新用戶(hù)。

不同用戶(hù)選擇標(biāo)簽的不同，因此，推薦給用戶(hù)的內(nèi)容也不同。這樣，可以讓更多內(nèi)容有曝光給新用戶(hù)的機(jī)會(huì)，提升曝光覆蓋率。（曝光覆蓋率=被曝光的內(nèi)容數(shù)/內(nèi)容總量）

以小紅書(shū)為例，新用戶(hù)注冊(cè)時(shí)，選擇感興趣的內(nèi)容標(biāo)簽后，如“時(shí)尚”“護(hù)膚”“明星”“彩妝”。完成注冊(cè)后，生成“時(shí)尚”“護(hù)膚”“明星”“彩妝”相關(guān)的內(nèi)容首頁(yè)和標(biāo)簽頻道欄。

2.?基于標(biāo)簽的相關(guān)內(nèi)容推薦

在功能設(shè)計(jì)上，在內(nèi)容詳情頁(yè)顯示該內(nèi)容的標(biāo)簽，當(dāng)用戶(hù)希望看相同標(biāo)簽下的更多內(nèi)容時(shí)，只需點(diǎn)擊標(biāo)簽，即可曝光更多內(nèi)容。在看接下來(lái)的內(nèi)容時(shí)，用戶(hù)又通過(guò)其他標(biāo)簽看了其他的內(nèi)容，形成一級(jí)一級(jí)的擴(kuò)散，形成的是網(wǎng)絡(luò)裂變式的曝光。

標(biāo)簽在這個(gè)體系中通過(guò)以下方式發(fā)揮作用：標(biāo)簽形成了曝光路徑。

單個(gè)標(biāo)簽可以讓內(nèi)容與內(nèi)容之間的形成直接連接，而推廣到一個(gè)完整的標(biāo)簽系統(tǒng)可以讓全體內(nèi)容形成一個(gè)內(nèi)容網(wǎng)絡(luò)。也可稱(chēng)為“知識(shí)圖譜”，內(nèi)容與內(nèi)容之間，通過(guò)有限數(shù)量的標(biāo)簽，即可互相找到。

如圖，用戶(hù)看了內(nèi)容1，通過(guò)標(biāo)簽A找到內(nèi)容2，接著通過(guò)標(biāo)簽B找到內(nèi)容3。本來(lái)內(nèi)容1和內(nèi)容3是沒(méi)有任何聯(lián)系的，而通過(guò)標(biāo)簽A和標(biāo)簽B，讓用戶(hù)間接找到了內(nèi)容3，實(shí)現(xiàn)了內(nèi)容3的有效曝光。當(dāng)然了，還有其他曝光路徑，也能讓用戶(hù)從內(nèi)容1到內(nèi)容3。

如人人都是產(chǎn)品經(jīng)理社區(qū)，以我發(fā)布的《以圖片社區(qū)為例，如何利用熱度算法做內(nèi)容質(zhì)量評(píng)估》文章為例，文章末尾顯示標(biāo)簽“熱度算法”。用戶(hù)點(diǎn)擊“熱度算法”，帶有“熱度算法”的其他文章就會(huì)得到曝光。如此，用戶(hù)在其他文章中，也通過(guò)相同的方式，實(shí)現(xiàn)看了又看。

3.?基于標(biāo)簽的個(gè)性化內(nèi)容推薦

在熱度算法一文中，我們知道了熱度高代表受用戶(hù)歡迎，熱度高的頭部?jī)?nèi)容能夠充分被曝光給用戶(hù)。然而，在頭部?jī)?nèi)容之下，是占內(nèi)容總量最大比例的腰尾部?jī)?nèi)容。這些內(nèi)容中，不乏存在優(yōu)質(zhì)和潛力的內(nèi)容。如果沒(méi)有把這些內(nèi)容曝光，其實(shí)是很大的浪費(fèi)。

基于標(biāo)簽的個(gè)性化內(nèi)容推薦是，內(nèi)容通過(guò)標(biāo)簽生成內(nèi)容特征，和用戶(hù)偏好相匹配，這是一種千人千面的內(nèi)容分發(fā)方式。這樣，原先未被用戶(hù)發(fā)現(xiàn)的大量腰尾部?jī)?nèi)容，就可以被推薦給適合的用戶(hù)，實(shí)現(xiàn)了更多內(nèi)容的曝光。

標(biāo)簽是如何為個(gè)性化推薦服務(wù)的呢？我們要知道，標(biāo)簽是描述內(nèi)容本身的特征，是附屬于內(nèi)容的元數(shù)據(jù)，它可以被結(jié)構(gòu)化，被計(jì)算出對(duì)應(yīng)的權(quán)重分值。這個(gè)的大用就在于，內(nèi)容對(duì)應(yīng)的標(biāo)簽是有輕重程度之分的。因此不同的內(nèi)容，除了帶不同的標(biāo)簽容易區(qū)分外，帶相同的標(biāo)簽，也能通過(guò)標(biāo)簽權(quán)重分值區(qū)分出內(nèi)容特征的輕重程度。

最簡(jiǎn)單的算法模型思路是：

• 步驟1：通過(guò)運(yùn)營(yíng)手段或自動(dòng)規(guī)則，生成內(nèi)容特征向量（Tag1，Tag2，Tag3）=（分值1,分值2,分值3）
• 步驟2：通過(guò)用戶(hù)行為數(shù)據(jù)，生成用戶(hù)偏好向量（Tag1，Tag2，Tag3）=（分值1,分值2,分值3）
• 步驟3：計(jì)算相關(guān)度=余弦相似度=cos<內(nèi)容特征，用戶(hù)偏好>。兩個(gè)向量的夾角越小，表示內(nèi)容和用戶(hù)偏好更相關(guān)
• 步驟4：由此生成每個(gè)用戶(hù)不同的內(nèi)容排序列表，實(shí)現(xiàn)了個(gè)性化推薦

王詩(shī)沐老師，曾在混沌大學(xué)分享過(guò)：網(wǎng)易云音樂(lè)不是第一家做推薦的，但我們把推薦做到了極致，把推薦算法應(yīng)用到了所有用戶(hù)發(fā)現(xiàn)音樂(lè)的場(chǎng)景，這在國(guó)內(nèi)屬于第一家。其中，以標(biāo)簽為底層邏輯的個(gè)性化推薦，實(shí)現(xiàn)了千人千面的曝光，把所謂的小眾冷門(mén)音樂(lè)推薦給了適合的用戶(hù)，也能引起強(qiáng)烈共鳴。

四、總結(jié)

對(duì)于內(nèi)容量大的內(nèi)容社區(qū)，曝光有限是會(huì)嚴(yán)重影響作者的創(chuàng)作積極性。本文提出的內(nèi)容標(biāo)簽系統(tǒng)，正是為了解決這個(gè)問(wèn)題背景而存在。

內(nèi)容標(biāo)簽系統(tǒng)，可以應(yīng)用于3個(gè)內(nèi)容推薦場(chǎng)景：新用戶(hù)內(nèi)容推薦、相關(guān)內(nèi)容推薦和個(gè)性化內(nèi)容推薦。在不同的場(chǎng)景中，標(biāo)簽發(fā)揮著不同的角色，最終都帶來(lái)了更多內(nèi)容的曝光。

標(biāo)簽不僅適用于內(nèi)容社區(qū)，對(duì)于其他類(lèi)型的產(chǎn)品，也有很大的應(yīng)用空間。如果你的產(chǎn)品適合做標(biāo)簽，不妨試試吧。

作者：Ln，微信號(hào)：scnulhy

本文由 @Ln?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

題圖來(lái)自Unsplash，基于CC0協(xié)議