全国咨询热线:400-618-4000

UGC生态模式下内容审核和内容分发[产品经理培训]

创建时间:2019年11月01日17时21分

传统的PGC生态下,内容质量处于可控状态,在发布之前只要做普通的校对即可。但是在UGC生态模式下,用户众多且处于不可控的状态,因此内容的质量就必须严格把关审核。

一、内容审核

对于不同形态的内容,审核方式不一样

1. 文本内容

对于文本内容,一般采用自动审核的方式,常用的实现方法如下:

1)在后台提供关键字库管理

2)根据关键字库,在前端识别用户发布的文本。如果文本跟关键字库中的关键字库匹配上,则将匹配上的字优化掉,比如用*或者其他固定文本代替。

这种审核方式简单、实现成本也低。需要注意的就是关键字库要丰富,而且还要考虑拆解字的情况,比如用户会把“操”拆解成“扌”和“喿”,因此字库中也要考虑到这种情况。

2. 图片/视频/音频

图片和音视频的审核需要用到自动识别等技术,而这类技术的开发成本通常都比较高。对于资源有限的公司,一把都是使用第三方提供的服务。比如阿里、腾讯之类这些大公司,都有对方开放的自动审核工具,不过需要付费。

当然,如果没有能力自己开发,又不想花钱,那就做人工审核:用户发布的图片或音视频都处于待审核状态,后运营人员在后台人工审核后再确定是否发布。

内容审核完毕后就该推送给用户看了,那么问题来了:用什么方式把内容给用户看呢?不同的用户喜好不同,该怎么投其所好呢?这就涉及内容分发的概念了。

所谓分发本质要解决的问题包含两点:

1.高效的连接人与信息

2.过滤出有价值的信息,让合适的人看到合适的信息。

根据产品性质、技术实力等因素,不同的内容平台采用的分发方式差别很大。


二、内容分发

目前市面上常见的分发方法有以下几种:

1.编辑分发

这是传统的内容分发方式,由平台自己创造内容并推送,是一种中心化的分发模式。

这种分发的特点就是有什么看什么,用户没得选。但是好处是能控制内容质量,毕竟推送什么由平台自己决定。因此在智能推送时代,这种分发方式也一直被保留着。

2.订阅分发

在UGC生态下诞生的新的分发方式,这是一种基于粉丝,构建内容、用户、平台三者闭环的分发方式,是一种私域流量构建。

社区时代(社区、贴吧等),以及后来的公众号,采用的是这种模式,你主动选了什么就给你推送什么。这种分发的特点是依靠话题来吸引和划分用户,但是内容质量无法得到保证,参差不齐。

3.社交分发

移动互联网时代兴起的一种分发方式。社交分发依托于关系链,基于社交关系传递信息。这种分发方式有以下几个特点:

1)内容的传播权从传统的精英编辑过渡到每个普通人受众,每个人都成为了编辑,成为了内容分发的中心。

2)让内容的传播变成了“千人千面”,内容息根据用户的喜好在传递,用户之间更容易产生互动,从而加强了关系链。

3)社交分发的基础是聚合第一批用户即粉丝,信息传递的范围依赖于粉丝数量以及粉丝的分享意愿。

但是社交分发也有它的局限性:

1)社交分发依赖于用户分享

2)但不是所有内容用户都愿意分享的,人都有偷窥的欲望,但大部分人都不愿意被别人偷窥

3)尤其在熟人社交中,用户都比较注重人设,因此低分享价值的内容在社交分发中处于不利地位。

4.算法分发

跟随头条系产品兴起而逐渐发展出来的一种算法,基于程序,技术壁垒高,分析用户画像匹配兴趣偏好,是一种个性化的精准投放。这种算法的优点就是用户喜欢看什么就能给用户推送什么,让用户高度沉溺于产品。不足就是开发成本太高,不是普通公司能承受的。

算法分发三要素:

1)用户画像,要通过用户行为分析用户的喜好,将用户标签化

2)内容画像,内容也要标签化,才能与用户进行匹配

3)算法模型,通过算法才能将用户和内容匹配从而做精准推送

算法模型


三、推荐算法框架

几种常见的算法

1、协同过滤算法——基于用户

算法思路:将用户进行分类,评测用户之间的相似性,基于用户之间的相似性做出推荐。

假设抖音用户有5个维度

对美女的喜欢程度(1~5分),对搞笑的喜欢程度(1~5分),对民谣的喜欢程度(1~5分),对感情的喜欢程度(1~5分),对乡村的喜欢程度(1~5分)。

用户A:对美女的喜欢程度3,对搞笑的喜欢程度1,对民谣的喜欢程度4,对感情的喜欢程度5,对乡村的喜欢程度0,用户A可以用向量表示为r_A (3,1,4,5,0)

一个用户B:对美女的喜欢程度3,对搞笑的喜欢程度4,对民谣的喜欢程度5,对感情的喜欢程度0,对乡村士的喜欢程度2,用户B可以用向量表示为r_B (3,4,5,0,2)

对于向量A和B而言,他们的在多维空间的夹角可以用向量余弦公式计算:

余弦相似度取值在0到1之间,0代表完全正交,1代表完全一致。那么用户A和B的相似度计算:

内容分发

即代表了两个用户音乐偏好的相似程度。

假如定义余弦值大于0.6即认为用户具有相似性,那么此时A与B就是相似的

此时发现A看了旅游相关的视频,由于算法认为A和B有相似性,那么就会把旅游的视频推荐给B。

2、协同过滤算法——基于内容

算法思路:基于内容的相似度给用户做推荐。

还是拿抖音举例子

A、B、C用户对感情、都市、搞笑、宠物类题材的视频都点赞过

则可认为这四种题材的视频有相似度

此时发现D用户对感情、都市、搞笑类题材的视频都点赞过

那么显然,应该把宠物类的视频推荐给D。

算法分发的局限性:

1.推荐狭窄,只看到喜欢的,无法拓展内容获取宽度

2.算法没有价值观,无法判断内容质量的好坏

3.算法可以被反推出来,进而被利用,导致”标题党“盛行,用户陷入兴趣孤岛。【推荐了解产品经理培训课程

小结

不同的审核方式和算法适用不同的场景,需要根据公司自身的实力,并结合产品的业务,选择最合适的。