一個(gè)“好社區(qū)”的運(yùn)營(yíng)與成長(zhǎng)需要耗費(fèi)大量的成本，本文以作者所在團(tuán)隊(duì)打造社區(qū)模塊的過程為例，梳理了他們是如何思考處理當(dāng)前社區(qū)打造的，希望對(duì)你有所啟發(fā)。

因自家產(chǎn)品業(yè)務(wù)規(guī)劃需要，我們目前在搭建【社區(qū)】模塊，并準(zhǔn)備在一級(jí)菜單欄開放入口，這事看上去挺大動(dòng)靜；因?yàn)閺氖禄ヂ?lián)網(wǎng)行業(yè)的同學(xué)，多多少少知道，內(nèi)容社區(qū)可以說是一個(gè)行業(yè)了，而且是一個(gè)比較成熟的行業(yè)市場(chǎng)。

例如往大了講，有獨(dú)立的小紅書、知乎等社區(qū)型產(chǎn)品，往小了講有Keep、網(wǎng)易云等，在APP中嵌套社區(qū)的做法（我們目前就屬于這類）。

其次，一個(gè)“好的”社區(qū)也不是一個(gè)小團(tuán)隊(duì)說做就做，立馬能支撐起來的；成熟的社區(qū)離不開供需關(guān)系，也就是內(nèi)容消耗者和創(chuàng)作者，以及復(fù)雜的推薦算法；并配套內(nèi)容審核治理、成長(zhǎng)等級(jí)、創(chuàng)作者激勵(lì)等等一系列運(yùn)營(yíng)制度來運(yùn)行。

令人遺憾的是，以上這些我們當(dāng)前團(tuán)隊(duì)能力，都做不到；所以我想寫這篇文章總結(jié)一下，看看我們是如何思考處理的。

一、思考-正向推薦

因?yàn)槲宜诘膱F(tuán)隊(duì)沒有一個(gè)懂內(nèi)容的運(yùn)營(yíng)和產(chǎn)品；只是老板想要，交代下來就開干了?。犉饋?，跟你們公司咋樣，哈哈哈）

所以作為一個(gè)【非專業(yè)且不合格的】社區(qū)產(chǎn)品經(jīng)理，我被指定負(fù)責(zé)社區(qū)模塊時(shí)，只能抱著敬畏心邊學(xué)習(xí)邊思考邊設(shè)計(jì)；中心思想是盡量先做小但保證對(duì)（合格），實(shí)際運(yùn)行后根據(jù)實(shí)戰(zhàn)經(jīng)驗(yàn)再調(diào)優(yōu)迭代。

在開始之前，我們先梳理一下功能流程，作為產(chǎn)品要記得，不管接到什么功能需求，都先自己理一下正流程和逆流程，然后在思考其中設(shè)計(jì)的關(guān)鍵點(diǎn)所在，最后輸出原型時(shí)，才能妙筆生花。

例如社區(qū)的正向流程：

1）給誰推薦內(nèi)容？

2）推薦什么內(nèi)容？

3）推薦內(nèi)容的數(shù)量構(gòu)成？

…

首先給誰推薦：這里可以通過用戶標(biāo)簽與內(nèi)容標(biāo)簽，相結(jié)合進(jìn)行關(guān)聯(lián)推薦；簡(jiǎn)單舉個(gè)例子，用戶分享了某篇文章，該文章在創(chuàng)建時(shí)運(yùn)營(yíng)打上了“娛樂”標(biāo)簽，那么再次推薦時(shí)，就會(huì)給用戶推薦含有“娛樂”標(biāo)簽的內(nèi)容。

打標(biāo)簽有很多場(chǎng)景，這又屬于另一個(gè)大類型了，網(wǎng)上有很多文章的，這里就不做贅述。

其次推薦什么內(nèi)容：內(nèi)容也有很多種形式，這里產(chǎn)品經(jīng)理需要整理自家APP內(nèi)有哪些內(nèi)容向產(chǎn)出，比如UGC發(fā)帖、內(nèi)部運(yùn)營(yíng)發(fā)帖、外部邀請(qǐng)合作或搬運(yùn)的PUGC、KOL發(fā)帖、或創(chuàng)建的話題等等。

像我們APP還有商品的咨詢問答，其實(shí)也屬于內(nèi)容產(chǎn)出，盡可能囊括全部，并非是說要在社區(qū)中一股腦推薦給用戶，而是清楚后，以便于在合適的時(shí)機(jī)進(jìn)行改造，比如我在社區(qū)推薦瀑布流中會(huì)隨機(jī)插入一個(gè)商品咨詢問答的卡片。

最后推薦數(shù)量構(gòu)成：一般情況下，上拉刷新或下拉加載，推薦9~12篇內(nèi)容；那這12篇內(nèi)容如何構(gòu)成呢？

最少需要考慮三種情況：一種是運(yùn)營(yíng)強(qiáng)推薦，比如運(yùn)營(yíng)推薦文章，屬于首次進(jìn)社區(qū)必現(xiàn)；一種是熱門文章、新鮮度文章（發(fā)布時(shí)間近）的推薦、一種是標(biāo)簽關(guān)聯(lián)推薦；

延伸處理：我們又把標(biāo)簽推薦分為分實(shí)時(shí)瀏覽標(biāo)簽和歷史瀏覽標(biāo)簽兩種狀態(tài)，這樣用來區(qū)分推薦結(jié)果，比如今日首次進(jìn)社區(qū)，還沒有瀏覽內(nèi)容情況下，根據(jù)歷史推薦；有過瀏覽后，就需要根據(jù)當(dāng)前瀏覽結(jié)果進(jìn)行推薦。

以上如此劃分，是因?yàn)橥扑]算法邏輯我們不懂（沒有算法工程師），但整體思路是要保證公平性，任何類型的內(nèi)容都有機(jī)會(huì)露出，不可能全是標(biāo)簽推薦的內(nèi)容、也不能全是熱門推薦。

繼續(xù)往下拆解：就是推薦內(nèi)容數(shù)量分配問題；最粗暴的一種方案是配數(shù)，比如一次刷新推薦9篇內(nèi)容，熱門文章取3篇、新鮮度文章取3篇….

另一種方案是給每一種內(nèi)容屬性設(shè)置分值，比如熱門文章設(shè)置高中低三個(gè)段位、新鮮度文章按發(fā)布時(shí)間也設(shè)置高中低….

然后每個(gè)段位都對(duì)應(yīng)給默認(rèn)分值，最終根據(jù)文章累加的總分，進(jìn)行推薦。

延伸處理：不管是哪一種情況，都要考慮內(nèi)容庫是很大的，比如有1000篇文章，計(jì)算每篇文章分?jǐn)?shù)再推薦出9篇文章，研發(fā)可能需要十幾秒，但加載刷新一次僅需2秒；這中間就會(huì)存在問題了，需要與研發(fā)討論是否根據(jù)歷史標(biāo)簽先做一個(gè)默認(rèn)的初始推薦庫，隨時(shí)往里面更新替換內(nèi)容。

二、思考-逆向風(fēng)險(xiǎn)

社區(qū)的逆向流程：

1）內(nèi)容不夠怎么辦？

2）如何驗(yàn)證推薦好壞？

3）新用戶怎么推薦？

…..

首先內(nèi)容不夠怎么辦？作為一個(gè)從0到1的社區(qū)，如果沒有龐大的用戶基礎(chǔ)和激勵(lì)政策，內(nèi)容產(chǎn)出是一個(gè)大問題，我們初始內(nèi)容只有幾千篇文章，就需要考慮這個(gè)消耗問題，如果初始內(nèi)容庫有幾萬篇文章，或許可以過渡一段時(shí)間。

有能力的話，產(chǎn)品可在會(huì)議過方案時(shí)提出風(fēng)險(xiǎn)，跟內(nèi)容團(tuán)隊(duì)及領(lǐng)導(dǎo)約束，定期產(chǎn)出多少內(nèi)容（不論自產(chǎn)、購(gòu)買或用戶發(fā)帖）來確保消耗；

其次是驗(yàn)證推薦好壞？不管是內(nèi)容算法推薦還是簡(jiǎn)單的邏輯推薦，推薦出的結(jié)果不一定會(huì)讓用戶或自己都滿意，這里產(chǎn)品要做好預(yù)期，有條件的產(chǎn)研團(tuán)隊(duì)可以做AB測(cè)試、分桶試驗(yàn)等等來調(diào)優(yōu)。我目前所在團(tuán)隊(duì)做不到這塊，我就不發(fā)揮了。

最后新用戶怎么推薦？這里單獨(dú)拿出來說一下，是因?yàn)榭紤]到社區(qū)氛圍感問題，老用戶我們可以通過上述的推薦邏輯進(jìn)行推薦，如果新用戶也按照如上方式，也是可以的。

但產(chǎn)品要思考當(dāng)前文章整體質(zhì)量如何，首先能不能讓內(nèi)部自己感受到社區(qū)的氛圍以及社區(qū)想要引導(dǎo)及表達(dá)的內(nèi)核；如果弱一點(diǎn)或不自信，可以支持運(yùn)營(yíng)對(duì)新用戶進(jìn)行單獨(dú)內(nèi)容配置，作為新用戶初始內(nèi)容，這樣有引導(dǎo)性的讓新用戶看到我想讓他看到的內(nèi)容，用戶感知理解可能會(huì)強(qiáng)一些。

三、遺留

以上算是理出了社區(qū)推薦的雛形思路，具體細(xì)化因產(chǎn)品而異；當(dāng)然不可否認(rèn)是很簡(jiǎn)陋的版本，這個(gè)說實(shí)話也因公司、項(xiàng)目及團(tuán)隊(duì)而定；大團(tuán)隊(duì)有大團(tuán)隊(duì)的算法工程，小團(tuán)隊(duì)有小團(tuán)隊(duì)的邏輯處理。

在整理學(xué)習(xí)過程中，像社區(qū)治理、創(chuàng)作激勵(lì)、推薦干預(yù)、后臺(tái)審核等大模塊的思路及經(jīng)驗(yàn)，我是插不上話的，但小的思考我還整理有如下幾點(diǎn)，在我們社區(qū)目前階段并未實(shí)現(xiàn)的很徹底，覺得值得做社區(qū)時(shí)思考，我列出部分，舉一反三；

初始分：在內(nèi)容剛發(fā)布時(shí)，可賦予一定初始分值，這個(gè)分值可根據(jù)用戶賬號(hào)權(quán)重值來計(jì)算得出；比如UGC、PUGC屬性、用戶在平臺(tái)的粉絲、活躍情況等綜合計(jì)算。推薦分：官方運(yùn)營(yíng)可以對(duì)優(yōu)質(zhì)內(nèi)容或垃圾內(nèi)容，進(jìn)行正負(fù)權(quán)重加分，進(jìn)行一定的人工干預(yù)影響。時(shí)間衰減：指的是文章發(fā)布后，由新鮮到歷史的時(shí)間衰減函數(shù)公式（牛頓冷卻定律），讓內(nèi)容逐漸降溫。

上述部分初始可由簡(jiǎn)單計(jì)算公式逐漸過渡到復(fù)雜公式；但由于我司沒有成型的內(nèi)容產(chǎn)研團(tuán)隊(duì)，這些都還未實(shí)操過。

優(yōu)質(zhì)內(nèi)容分發(fā)：根據(jù)推薦邏輯-優(yōu)先推薦給固定范圍興趣人群-如果文章繼續(xù)發(fā)酵，則按熱度上升至首頁-在首頁推薦層如果文章繼續(xù)發(fā)酵，則進(jìn)入運(yùn)營(yíng)人工干預(yù)階段，在后臺(tái)控制是否助推或控量。

其次，這中間涉及到不同賬號(hào)權(quán)重，可能會(huì)分發(fā)不同量級(jí)的流量進(jìn)行驗(yàn)證；還有相對(duì)公平的流量分配機(jī)制，依托粉絲關(guān)系、興趣推送的分發(fā)機(jī)制等，這塊我們沒有實(shí)現(xiàn)，我們用戶量基礎(chǔ)當(dāng)前不是很大。

內(nèi)容聚合顯示：內(nèi)容聚合功能，根據(jù)不同內(nèi)容的劃分維度，將同類內(nèi)容放到一個(gè)頁面進(jìn)行展示。用戶可以通過某一聚合功能，瀏覽到所有同類內(nèi)容。常見的聚合功能有版塊、圈子、頻道、專題、話題、標(biāo)簽…等等，具體如何使用根據(jù)具體的業(yè)務(wù)形態(tài)來判斷。我們文章基礎(chǔ)數(shù)量也不是很大，所以這部分也未實(shí)現(xiàn)。

內(nèi)容數(shù)據(jù)填充：在用戶互動(dòng)數(shù)據(jù)量級(jí)不夠時(shí)，就需要通過填充一些“假”數(shù)據(jù)，提升社區(qū)熱度觀感，以及在用戶發(fā)布內(nèi)容后可以及時(shí)獲得正向反饋。

比如閱讀、點(diǎn)贊等等，可以在發(fā)布時(shí)，在一定范圍內(nèi)逐漸遞增基礎(chǔ)數(shù)值；評(píng)論的填充成本稍高一些，需要準(zhǔn)備一套量級(jí)足夠的、通用的評(píng)論庫，在內(nèi)容發(fā)布后自動(dòng)填充到內(nèi)容評(píng)論區(qū)。評(píng)論可以按場(chǎng)景進(jìn)行分類，對(duì)應(yīng)不同的內(nèi)容標(biāo)簽；這部分我們也未實(shí)現(xiàn)，但值得冷啟動(dòng)社區(qū)思考。