好的内容产品，一定离不开好的推荐算法。
内容产品的最终目的，是通过各种算法将内容更有效地进行分发，最后促成用户消费。
那么，如何打造有效的内容推荐算法呢？
内容推荐算法的关键是：断物、识人。
一. 如何断物
断物，顾名思义，即指能够了解物品、识别物品。
一般来说，物品本身包含一种或多种属性。
那机器如何能做到断物？最主要和最基础的工作就是：给物品打标签。
我们以给某本小说打上标签为例：
小说的标签包括：分类、二级分类、标签(主题、情节、人物等)。
例如：我们需要给一本玄幻小说打上标签，方便机器进行识别。
这本玄幻小说的标签包括： 玄幻(分类)、东方玄幻(二级分类)、修仙(主题)、升级(情节) 。
在给内容增加标签后，我们在相应的数据库中，需要存储这些标签和关键字，方便后续在相关性内容推荐上发挥作用。
二. 如何识人
识人的关键在于 探索、存储用户的兴趣偏好。
识人在于存储用户的信息、兴趣，建立比较 完善的用户画像。
我们仍以小说项目为例，我们需要存储用户的关键信息例如：
1. 用户的使用时间分布：用于在更合适的时间向用户推送相关消息；
2. 用户的内容兴趣偏好：用于给用户推荐更喜欢的内容；
3. 用户的活跃天数：用于查看用户的连续活跃度。
而我们在存储用户的主要信息后，就能得出相对完善的用户画像，例如：
用户A平均一周活跃3-4天，平均每天使用1小时且喜欢在深夜00点-02点活跃，更喜欢阅读武侠、玄幻等内容。
在得出以上结论后，我们可以在适当的时间内，给用户推荐更合适的内容。
三. 推荐算法的最终目的
内容产品的目的，是讲各种内容以效率更高的方式推荐给用户。
而推荐算法的最终目的，是为了促成用户消费内容，从而最终 提高留存。
因此，推荐算法并不是一开始就启动，而是在更加合适的时候，例如：
一般来说，我们在新用户冷启动阶段，更倾向于将 热门内容(榜单、分类热门等形式) 优先推荐给用户。而当新用户慢慢转变成老用户后，我们可以尝试更多的兴趣探索，以发现用户更多潜在的兴趣，将更多的内容推荐给用户。
四. 通过何种方式来校验推荐算法的效果
一般来说，对于内容型产品(如资讯信息流、小说类产品)，通过埋点统计模块、内容流的CUR来统计用户的点击效果，从而推断出推荐算法是否达到了我们预想的效果。
CUR = 内容点击的人数 / 页面浏览的人数，主要人数是去重的。 例如：该页面100人浏览，但只有9人点击了该页面的内容，则CUR=9%。
如果CUR低于我们预想的效果，我们可能需要不断地去调整我们的推荐算法，例如初始内容推荐算法包含5个热门内容+5个长尾内容，可以调整为7个热门内容+3个长尾内容。
总之，推荐算法是要将内容更好地触达用户，并且推荐算法是一个相对长期的工程。
南山南 | 10年移动互联网从业经验，资深视觉设计师、高级产品经理
“如果天赋不是与生俱来，那么更应兢兢业业”。
