社区产品从0到1:如何解决内容冷启的问题
Listen now
Description
对于UGC社区来说,光有人还不够,冷启动难在没有内容,UGC氛围起不来,人也留不住,那怎么解决这个问题呢? 核心要解决内容供给和内容分发的问题。 冷启阶段的内容供给来源于以下4个方面:  1.内容转采,早年的很多内容都是从互联网上爬取。但是随着版权意识的增强,内容爬取也有一定的风险。不过国内UGC生态也基本成熟,可以通过挖掘沉淀在微信、抖音、头条的自媒体,让他们授权后提供内容。虽然这种做法可以迅速达成KPI,但问题在于没有特色,我们还要回答:用户为什么会被吸引过来呢? 2.PGC定制化内容,请专业创作者来制作平台独占的专业内容,形成特定的内容消费心智,这种内容制作成本较高,但是PGC的问题在于光有消费,但却没有明确的社区心智。资金投入停了,内容供给也停了,用户也没有东西消费了,最后雁过无痕; 3.UGC激励,在最早期运营会扮演用户生产内容带动氛围,这是必要的,但是这个量远远不够的,因此运营会策划活动激励用户生产,但不好的活动机制也可能招致羊毛党的问题,如果一个活动只是拉升了数据,但是破坏了社区的氛围还不如不做,真正的UGC应当是用户自发的; 4.KOC(关键意见消费者)/KOL导入,相较于KOL,KOC更接地气对粉丝更有信任感和亲和力,前期导入KOC通常是通过刷脸和邀请码,让他们能邀请自己身边好友深度参与和玩起来。平时给予一些情感激励、物质奖励和流量激励。对于将来也要给他们一定的希望,让他们能够了解到他们在平台的发展前景。在一个规模化的社区中,UGC的内容贡献比大概是1:10:100,也就是说只有1%的用户有意愿生产较为优质的内容,而有10%的人愿意参与到轻量的评论互动,而绝大多数人都是看客。从这个角度看,冷启动阶段的策略应当是优先瞄准“1”和“10”的人群做好UGC,而不是盯着“100”的人群去扩量。 有了内容以后,其次就是分发规则,通常分发规则有以下三种: 1.关系链分发:根据用户关注的人进行内容的分发是Web2.0时代的主要分发方式。因为每一个人都可以表达自己。比如,微信朋友圈将朋友的新鲜事按照时间轴排序,不用复杂的算法,体验也还不错。但随着微信好友的水化,朋友圈也慢慢变成了微商圈,失去了内容消费价值。为了解决这个问题,微信推出了“看看”和“视频号”,其分发机制是在关系链的基础上再叠加了朋友的行为权重,从而达到千人千面的效果; 2.信息流推荐:用无尽内容喂用户,让用户沉浸地刷个不停。算法会综合关注关系、用户互动行为、兴趣标签、搜索词等进行推荐,机器需要海量的内容投喂。但信息流推荐也离不开人工干预,比如,在一些特殊场景,两篇不同内容放在一起就可能产生一些不好的联想。我们很难让AI有价值观,这时候人工运营的优势就有了。但不管怎样,信息流的内容如果供给不上,再好的推荐算法也是无力; 3.内容聚合:为了方便用户根据某个主题统一消费,我们会以各种方式将内容打包在。常见的有频道聚合、标签聚合、话题聚合、圈子聚合等,BBS时代的版块就是一种聚合模式。版主有权利给优质的帖子置顶,或者删除低质量的灌水贴。用现代互联网术语叫做频道运营或者内容运营。另外,如今自然语言处理算法也可以将相关性的内容聚合在一起,例如,微博热搜的关键词,一些社会热点都是在微博上面自然爆发的。不管是从Web1.0还是到Web2.0,内容分发好的策略能在保证内容的流动性同时,让好的内容更容易被发现,而坏的分发策
More Episodes
随着Llama 3的发布,国内各路英雄豪杰纷纷开启了炼丹之旅。Llama-3 8b在惊人的15万亿令牌上训练,而Llama-2仅为2万亿。毋庸置疑,Llama 3目前是开源大模型中能力最强的!其跑分成绩已经赶上了GPT-4。 然而,Llama3的优势不仅限于此。作为开源大模型,每个人都可以对其进行个性化的定制,这意味着相比GPT,它具有更强的定制性和安全性。另外,Llama3...
Published 04/26/24
Published 04/26/24
今天要介绍的这篇文章《The Bitter Lesson 苦涩的教训》是由知名计算机科学家,阿尔伯塔大学、DeepMind的神经网络专家Rich Sutton 在 2019...
Published 04/17/24