漫游第40篇读书笔记
“创作的繁荣、载体的多元、分发的进化，内容信息消费在快速的发展和迭代过程中，但一定有可以让我们慢下来的东西——那是内容的核。”——闫泽华
大家好，我是漫游。
今天和您分享的是《内容算法：把内容变成价值的效率系统》，作者闫泽华。
什么是内容推荐算法？
“信息茧房”是算法之过吗？
为什么你的文章阅读量很低？
关于本书
信息爆炸的时代，我们每一个人都是内容的消费者。打开手机APP，为什么你看到的是体坛赛况，而我看到的是影视娱乐？为什么别人的文章阅读量10万+，而我的只有几十个？这背后是内容推荐系统的匹配与算法分发结果。
我们大多数人并不了解推荐算法的运作逻辑，因此多少都会心存成见与误解，比如标题党、内容Low、信息茧房等等。本书作者具有互联网从业者和自媒体创作者双重从业经验，通过产品经理、自媒体两个角度，他为外行人系统介绍了内容推荐的系统架构、算法迭代、平台应用，以及自媒体的变现与发展路径。
断物识人：内容推荐算法的起点
推荐是特定场景下人和信息更有效率的连接。首先算法系统要对内容、对用户进行识别，作者用“物以类聚，人以群分”描述这个过程，最简单的识别方式就是“贴标签”。
标签是我们对多维事物的降维理解，抽象出事物更具有表意性、更为显著的特点。不同于分类的树状体系，标签是网状的，而且灵活性强，既可以通过平台的专家系统产出，也能够依靠普通网友生成。
对于内容，以音乐网站为例，可以按照流行、古典、民族、摇滚、民谣等流派标签进行识别，还可以依据跑步、自习、睡眠等场景标签进行区分。对标签难以准确表意和概括的领域，算法系统会通过聚类的方式进行描述，以便对内容进行准确识别。
对人的识别是“用户画像”，更直白说就是给目标用户贴标签的过程。我们填写的注册信息，搜索输入的每一个关键词，每一次的点击和观看习惯，以及点赞、收藏、评论和转发，都是系统中用户画像数据的来源。
内容和用户的识别只是开始，更重要的是物与人的匹配。
内容分发：连接内容与人
内容分发的方式主要有三种：编辑（中心人工主导）分发、算法（机器主导）分发、社交（离散人工主导）分发，三种方式各有千秋。
编辑分发的优势在于依靠编辑的专业性，完成从海量内容到有限展示位的过滤和筛选，内容的平均质量相对较高。但人工的判断难免出现偏差，“叫好不叫座”的情况时有发生。
算法分发的引入，实现了“千人千面”的效果，展示位数量得到极大扩展。现实中，平台采用人工+机器的分发方式，内容审查、质量评估、推送范围、推送级别等环节仍然依靠编辑和审核团队的把控与决策。
社交媒体广泛应用后，内容的分发逐渐去中心化，每一个人都成为编辑，成了内容分发的中心。但社交分发也出现新的问题，比如流量逐渐被大V、营销号垄断，流量获取的成本剧增；内容质量逐渐下降，朋友圈一度充斥着各种微商广告、转发集赞、打卡/晒娃贴。
各大平台也因此不断升级各自的分发算法，通过调整各影响因素的不同权重，优化内容排序，对低质或过度传播的信息进行降频过滤等等手段，实现匹配效率和质量的优化，从而提升用户的使用体验。
算法是基于我们对现实世界的理解进行的抽象和建模，编辑、社交因素都可以转化为算法推荐的参考因素。从这个角度看，算法分发可以说是内容分发的终极解决方案。
现实中，各平台采用多分发融合的模式：依赖中心化编辑引导和干预，依靠去中心化用户生产传播，应用机器学习提升效率。对此，作者的观点是：多分发方式的融合一定是未来分发的主流。
信息茧房：推荐算法不背这个锅
当前内容分发全面进入推荐分发时代，然而现实中，舆论却时不时对其口诛笔伐，比如公众对于标题党的抱怨，对身处“信息茧房”的担忧。但作者指出，推荐算法不该背这个锅。
标题党是最近才出现的吗？其实不然，标题党的鼻祖可追溯至1985年出版的《知音》。作者列举了几个知音文章的标题，其中之一是《再大的恨放下吧，唤醒前夫赢得亲情一片天》（2007年第35期）。品一品，是不是熟悉的味道？
在大量依赖政府拨款补贴的期刊中，《知音》依靠零售市场自负盈亏，一度成为全球前五强的大刊，发行量常年稳居中国杂志发行第一，月销量一度达到700万份。
“信息茧房”一词来自于哈佛大学法学院教授、美国前总统奥巴马的法律顾问凯斯·桑斯坦2006年的著作《信息乌托邦——众人如何生产知识》。 桑斯坦在书中指出：在信息传播中，由于公众对自身的信息需求并非全面，公众只注意自己选择的东西和使自己愉悦的领域，久而久之，会将自身桎梏于像蚕茧一般的“茧房”之中。
纸媒时代，我们同样根据个人喜好来订阅报纸和期刊，有人读《知音》，有人看《人民日报》，它们也构成一个个“茧房”。不论是纸媒时代的销量，还是网媒时代的阅读量，都是用户主动选择的结果。
推荐系统是一个会极度放大优缺点的系统，因此也极大地放大了我们对信息茧房的担忧情绪。但正如书中所言，就算你跳得出算法分发，也跳不出社交分发；跳得出社交分发，也跳不出自己的认知选择边界。“茧房”始终存在，真正过滤你的，是你的认知泡泡。
冷启动：决定一篇内容的命运
什么是冷启动？一篇新内容对推荐系统来说是完全陌生的，系统需要收集一定的曝光量和互动量（阅读、评论、分享等）等基础数据来进行后续的推荐。通过探索性展示，推荐系统完成从0到1基础数据的积累过程，这就是冷启动，其效果的好坏直接关系到后续的分发推荐。
在冷启动过程中，如果内容没能得到足够的正面反馈（点击、阅读、互动），系统就会认为这个内容是不受欢迎的，为了控制负面影响，会逐步降低推荐量，也即冷启动失败；反之，内容会被推荐系统快速放大，推荐量逐步提升，就可能成为爆款。于是有了“冷启动决定一篇内容的命运”的说法。
通过前文，不难理解内容推荐流程中存在两个关键节点：一是系统能够准确识别；二是成功通过冷启动。各平台给自媒体小白的新手教程里，都会提到两个重要因素：标题、封面。
过机器这关，标题、封面就要易于机器识别和理解，诸如用词避免歧义，使用英文要附中文解释等技巧，需要创作者学习掌握。
对于冷启动的考验，由于“用户只给你1秒钟”，好的标题和封面便是关键。因此作者建议：如果点击率太差，别废话，回炉改封面和标题去。
因为冷启动的关键作用，各平台也开发了一些工具来提高冷启动的成功率，比如双标题、双封面。有数据显示，同样内容在不同标题+封面下，点击率有很大的差异。双标题、双封面就是两次冷启动的机会，创作者要充分利用平台提供的这些功能。
一篇内容既要服务于机器，也要服务于人，只有这样，你的内容才能够在推荐系统中获得良好的分发量。当然，通过冷启动只是第一步，后面还有阅读体验和运营水平的较量。
作者也是一名自媒体从业者，对于自媒体如何运营、如何变现、如何成长进化等话题，他结合案例进行了一一介绍，但限于本书体量，并不深入，权当入门了解。
结语
在《内容算法》中，作者从推荐系统和自媒体两个角度，介绍了内容推荐算法的迭代应用与自媒体的发展。不管是平台从业者、自媒体创作者，还是内容消费者，都能对隐藏在界面背后复杂且精密的内容推荐算法加深了解。
创作的繁荣、载体的多元、分发的进化，内容信息消费在快速的发展和迭代过程中。但正如作者所言，一定有可以让我们慢下来的东西——那是内容的核。
