一、威尔逊算法
在互联网内容领域或者电商领域的策略相关同学，一定都听过大名鼎鼎的威尔逊算法，但每当不了解技术的同学们看到算法两个字，就会望而生畏，其实这个算法背后的原理还是比较简单的，但前提是你得动得基本的统计学基础知识
威尔逊算法主要是基于用户评价行为的排序算法，通俗的说就是大家觉得这个好，就会排到前面，是基于用户选择和评价行为的一种算法，所以要排序的东西，不管是文章、商品或者评论等等，首先需要有用户评价的功能，即有好坏的投票数据，才适合用这个算法。
我们把一个回答下的每次赞踩都当作试一次随机试验，则满足如下条件
1、每次赞踩都是独立的，互不影响的
2、用户只有两种选择，赞或者踩
3、n次重复投票后，赞了k次，那么好评率就是k/n
以上三个条件刚好满足二项分布，那么二项分布的P就是我们要的好评率，那么通过二项分布的相关计算，可以预测这个回答的好评率的置信区间，选择置信区间下线值作为回答的好评率 P，每个回答根据P的大小进行排序。这样一来，排序的步骤就比较清晰了
第一步：计算每个回答的好评率p
第二步：计算每个回答的好评率的置信区间
第三部：根据置信区间的下限值，进行排名，这个值越大，排名越高
① 二项分布的p=k/n，好评率p=k/n k为好评的次数，n为评价的总次数
②二项分布的置信区间（未完待续）
二项分布的置信区间有多种计算公式，最常见的是"正态区间"（Normal approximation interval）。但是，它只适用于样本较多的情况（np > 5 且 n(1 − p) > 5），对于小样本，它的准确性很差。因此我们采用Z检验， ，其中
，
,则有
二、知乎策略
知乎最核心的功能就是他的问答功能，他是以生产者和消费者为核心的机制，如何让消费者快速浏览沉迷到优质内容中，如何让生产者得到激励持续玩下去，是需要考虑的两个重要的问题。这两个问题是相辅相成的，好的内容得到好的曝光，既满足了消费者，也满足了生产者的利益，使得社区生态得到良性循环，因此知乎的策略主旨就是“让优质的内容得到更多的曝光”。
那么如何让回答优质并得到更多的曝光，主要从两个方面考虑1、优质内容生产及筛选 2、曝光激励手段，以下为主要的点，每个点可扩展的运营 产品 及策略工作都可以有很多。
① 运营垂类专家大v的招募储备（招募优质生产者 @运营）
② 策略精准筛选优质内容及用户（主动发现优质生产者@策略pm），这块主要有机器模型自动识别、用户反馈行为筛选两类。
③ 单答案的rank曝光刺激、产生用户互动激励、激发优质用户归属感认同感（留住优质生产者，吸引浏览者转化）
④ 创造其他曝光推荐机会，如日报、热榜等（留住头部优质生产者，吸引浏览者转化）
⑤ 给更多的权益，除了主要的曝光，还可以分润激励、平台认可等（刺激优质内容生产）
知乎的rank策略，框架图如下，主要就是威尔逊得分，知乎对于优质的回答的定义，不是提问者说了算，也不是平台说了算，而是广大浏览用户说了算，所以采用威尔逊得分最合适
