內容向來是互聯(lián)網生態(tài)中重要的一個體系，進入2015年來，移動互聯(lián)網重新對內容重視起來：視頻、音樂的版權大戰(zhàn)，微信公眾號率先做起原創(chuàng)保護，IP內容被定為騰訊的兩大戰(zhàn)略之一……

        這一些列動作說明移動互聯(lián)網“內容為王”的時代已經開啟。對于龐雜的內容，應該怎么樣理清楚其中錯綜復雜的關系，成為一個產品的重要競爭力，是作為產品運營人員最核心的問題之一。

        內容管理是一條有跡可循的鏈條，盡管不同平臺內容各有差異，但離不開的是三個部分：內容生產、入庫管理、內容推薦。

        一、內容生產：源頭活水

        如何生產內容是一切故事的開始，也許早期的時候雇用一個編輯從海量的互聯(lián)網搜索內容然后搬運到自己的平臺上，就完成了自己平臺的內容構建。

        但是這種模式隨著商業(yè)和法律的完善必定走不下去的，自己從頭開始合法合規(guī)地搭建內容生產體系才具有持久發(fā)展的可能性。

        內容的來源可以大致分為三類：UGC，PGC，外部轉載。

        1. UGC

        UGC是英文User Generated Content的簡稱，即用戶生產的內容。

        UGC是互聯(lián)網尤其是web 2.0以來最重要的果實，可以說互聯(lián)網的發(fā)展史就是UGC的發(fā)展史，我們現(xiàn)在離不開的博客、論壇、社區(qū)、自媒體都是UGC。

        撬動用戶為平臺來生產內容是非常難做的一件事情，但如果成功建立了UGC機制也會讓產品走向正循環(huán)。目前典型的UGC產品是：知乎（社區(qū)）、簡書（博客）、荔枝FM（有聲電臺）……

        UGC的核心問題是如何構建用戶激勵機制，讓用戶生產內容，這是另外一個議題，這里暫且不表。

        2. PGC

        PGC是英文Professional Generated Content的簡稱，中文即專業(yè)人士（機構）生產內容。

        這意味著內容生產者在該領域具有專業(yè)的能力和知識。PGC也是傳統(tǒng)行業(yè)最重要的內容來源，例如報社的記者、電視臺制作團隊等專業(yè)從業(yè)人員給讀者/觀眾生產內容。

        在互聯(lián)網時代PGC的比重并沒有那么高，但也不容忽視，例如門戶網站的內容都是由專業(yè)團隊生產的。

        PGC內容適用于對專業(yè)性有要求、門檻較高的平臺，例如視頻節(jié)目、優(yōu)質電臺節(jié)目、大眾音樂平臺，只有專業(yè)人士才能生產出用戶喜愛的內容。

        3. 外部轉載

        這似乎是最輕松的內容生產方式了，蠻荒時代有許多企業(yè)便是通過這種方式輕松地累積了大量用戶。

        目前版權保護和侵權打擊逐漸加強，任意抄襲轉載不再會如此猖獗，如果你想要運營一個正規(guī)的產品，沒法再走盜版轉載的路線了。

        但并不是說這種渠道已經不再可行，通過正規(guī)渠道聯(lián)系授權得到作者許可，還是可以轉載外部的內容的。

        不過，這是一種不穩(wěn)定的內容生產方式，只能在早期的時候解決內容缺乏的問題，長期而言必須要有自己穩(wěn)定的內容生產來源。

        二、入庫管理：管理海量內容的基建工程

        內容少是煩惱，內容多其實也是煩惱。海量的內容并不是隨意堆砌在一起就可以的，如果沒有良好的結構把海量內容保存起來，所有內容都是一堆無法使用的“垃圾”。就像宜家的庫存管理一樣，內容同樣是需要入庫管理的。

        1. 結構化信息處理

        一個產品的內容一般式具有相似性的，也即可以抽取其中的結構化信息，以便機器的保存和運營人員的管理。

        以音樂為例，音樂的直觀表現(xiàn)形式是一首首歌曲，進一步分解之后，一首作品的結構化信息有：演唱者、唱片公司、專輯名稱、發(fā)行日期……對于音樂作品，運營人員并不是把音頻文件一股腦地塞進硬盤里就完事，而是需要花費不少的精力做好結構化信息的抽取。

        所以在產品還未啟動的時候，就要考慮清楚未來的內容是什么樣的結構，然后設計合理的內容管理系統(tǒng)。

        良好的信息結構是未來的內容推薦的基礎，因為海量內容是由機器拉取的，而不是人工挑選的，機器非常死板，有就有，沒有就沒有，全靠入庫的時候運營人員抽取了哪些信息。

        2. 分類體系

        分類是一種邏輯，其實一直伴隨著人類的發(fā)展，張小龍也曾說做產品其實是一個邏輯梳理的過程。

        傳統(tǒng)行業(yè)最成熟的分類體系是圖書分類，幾乎全世界圖書館用的都是統(tǒng)一的一套分類體系。而互聯(lián)網時代最成熟的則是電商平臺，如果有耐心拆解它們的結構，會發(fā)現(xiàn)有高達數千種大大小小的分類。

        分類是便于用戶進行內容篩選的一套規(guī)則，當內容多起來的時候，用戶必定只能選擇自己感興趣的內容來消費，分類就是提供這么一個選擇的入口。

        相似內容最好用統(tǒng)一的分類規(guī)則，例如電商、音樂平臺幾乎都是同樣的分類，一來是尊重用戶習慣，減少用戶學習成本，二則是遵守行業(yè)規(guī)范，減輕運營人員的工作負擔。

        3. 標簽體系

        分類體系大多是穩(wěn)定的，行業(yè)內的各方約定俗稱，有人可能會反應過來這并不是一套靈活的體系。

        例如在分類體系中，一個內容最好只屬于一個分類，這樣用戶遵循特定的路線就一定會找到它，設想圖書館的一本書可以放在兩個不同的書架上，那管理員和讀者都要瘋了。

        而標簽則會更加靈活，王小波的小說只能放在一個書架上，但是可以往上面貼上N個標簽：王小波、中文、小說、當代文學……電腦在搜索的時候只要命中其中一個標簽都可以找到這本書。

        目前流行的個性化推薦系統(tǒng)，例如豆瓣FM的猜你喜歡、亞馬遜的為你推薦，幾乎都是基于標簽系統(tǒng)，而不是分類。國外音樂平臺Pandora為了完善個性化音樂推薦，聘用了大量音樂專業(yè)人士為每首歌打上N個標簽，幫助Pandora優(yōu)化推薦結果。

        三、內容推薦：用戶喜歡與否，成敗在此一舉

        前面所說的兩個策略都是幕后完成的，用戶還感受不到，那么內容推薦則是掀起蓋頭直面用戶的一道程序了。

        以結果導向而言，不管其他流程做得多么出色，如果給用戶的內容推薦沒做好，其他都是白搭。接下來便一一拆解常見的內容推薦方式。

        1. 熱門推薦

        最常見的是“排行榜”形態(tài)，作為一個內容平臺，這是一個必不可少的模塊。當用戶第一次使用產品時，每個用戶的開端幾乎都是相同的，個性化推薦這個時候也就無從談起。

        那么最好的辦法是展示平臺上最熱門的東西給用戶，這種辦法總不會錯，來到同一個平臺的用戶大抵相似（除非你是過億用戶的平臺），展示其他用戶最喜歡的內容給新用戶，從大數定律而言也具有最大的概率擊中用戶的喜好。

        熱門推薦是一種省力而討巧的推薦方式，但是對于大量用戶和海量內容并不是好的推薦方式，它的最大弊端在于“馬太效應”，導致幾乎一成不變的內容。

        前面說到用戶行為是趨同的，因此導致的結果是熱門的東西也總是相似的。在熱門、排行榜的影響下，很多新的內容無法呈現(xiàn)給用戶。所以它只適用于早期階段，在產品成熟起來之后則應該退而成為一個產品模塊即可。

        2. 編輯推薦

        隨著用戶增長和內容數量增加，“編輯推薦”的形式會逐漸重要起來，其邏輯是基于平臺對于自身運營人員能力的自信，認為官方編輯推薦的內容是用戶喜好的。

        當然，推薦的內容不完全是運營人員的主觀判斷，而是基于數據分析、用戶反饋的推薦。

        編輯推薦內容一般而言是新鮮的、優(yōu)質的，彌補熱門排行推薦的不足。例如在知乎上，最熱門的內容依然是兩性、情感話題，如果只展示熱門內容的話，會充斥著情感話題，這是大部分用戶和運營人員不想看到的結果。所以，知乎日報的運營人員會選擇更加有新意的內容在首頁展示。

        一個理想的正向循環(huán)是，編輯推薦優(yōu)質內容，增加曝光，進而成為熱門排行榜的內容，在此循環(huán)下，平臺上的內容是流動性的，新鮮、優(yōu)質內容得以曝光，并且熱門內容會不斷輪換。

        3. 個性化推薦

        最后說說個性化推薦，其實是一個技術問題，目前非常熱門的大數據，核心問題之一就是解決個性化推薦。它常見于音樂、視頻、新聞、電商等大平臺，最具代表性的是亞馬遜的個性化商品推薦和Netflix的影視作品推薦。

        可以看到這些平臺的共性就是具有海量內容和海量用戶，在如此巨大的平臺上，編輯推薦、熱門排行榜都無法完全駕馭所有內容和用戶。

        如果能做到為每個用戶量身推薦內容，會極大地提升內容推薦的效率，自然會取得商業(yè)上的巨大回報。

        個性化推薦常見的三種方式：

        

• 基于用戶的推薦（user-based），找到相似的用戶看他們消費了什么內容，然后推薦給該用戶。

        

• 基于物品的推薦（item-based），根據當前消費的內容找到相似的內容推薦給該用戶。

        

• 基于物品特性的推薦（modle-based），根據消費過的內容提取特征，找到更多相似的內容。

        

        運用最為廣泛的是前兩種，并沒有孰優(yōu)孰劣之分，不同場景下兩者各有優(yōu)缺點，一般認為對于新用戶采用item-based具有較好的效果，深入學習可以閱讀項亮的《推薦系統(tǒng)實踐》一書。

        四、實踐案例：從QQ音樂看內容運營框架的運用

        QQ音樂是國內最大的音樂平臺之一，在2015年9月中旬DAU突破一億，是一個海量內容和海量用戶的典型平臺，研究其內容管理具有很強的參考價值。

        1. 內容生產：PGC方式生產內容，堅持正版化道路

        音樂行業(yè)是受盜版影響最深的行業(yè)，幾乎被摧毀，音樂人從音樂作品上基本得不到應有的回報，只能從其他地方賺取收入，所以整個行業(yè)每況日下。

        在這樣的背景下，幾大音樂平臺作為領頭羊逐漸舉起了版權大旗，QQ音樂是其中做得比較好的一家。

        音樂平臺的根基是內容，也就是音樂作品，QQ音樂首要解決的問題也正是建立穩(wěn)定的內容生產來源。

        由于音樂制作門檻非常高，內容生產方式幾乎都是PGC，QQ音樂與國內外的幾大唱片公司簽訂了版權協(xié)議，把音樂行業(yè)拉向正版化。

        其實這也是正向循環(huán)的必備基礎，正版化使得音樂人得到利益回報，才能繼續(xù)生產高質量的內容，如此以往，音樂人、平臺方和用戶三者都受益。

        2. 內容入庫管理：國內最大的曲庫管理實踐

        目前QQ音樂曲庫已經達到1500萬首，是國內最大的曲庫。面對如此巨大的曲庫，QQ音樂配有專門的入庫團隊和自動化處理程序，如前面所述，一首歌曲的演唱者、專輯名稱、發(fā)行日期、曲風、分類等等幾十個結構化信息都會在入庫的適合就處理好，采用人工加程序兩種方式，完善的結構化信息是后期內容推薦的基礎。

        3. 內容推薦：編輯推薦、熱門推薦、個性化推薦相輔相成

        在QQ音樂的APP中，音樂館的推薦模塊是編輯推薦，人工干預力度較大，主要推薦新歌和應景的歌單。

        排行榜屬于熱門推薦模塊，都是算法計算出的結果，反應了平臺用戶最喜歡的歌曲。

        猜你喜歡是個性化推薦的產品，經歷過多次改版后，目前可以算是國內領先的個性化推薦系統(tǒng)，具有非常不錯的口碑。

        五、總結

        新人經常會問，內容運營是做什么的？工作一段時間之后的“老人”也會迷惑，內容運營接下來還應該怎么做？

        文中所提到的內容運營框架就能很好地解決這些疑問，就像是一張工作地圖，不斷地讓運營人員了解自己所處何處，下一階段又應該去往何處。

        （1）首先，當你剛開始接受一個內容平臺的運營工作，首先要解決內容生產的問題：誰在生產內容？他們對付出和收益滿意嗎？這種生產機制是否可持續(xù)的？

        （2）接下來，面對越來越多的內容，就要開始構建完善的內容管理系統(tǒng)后臺：內容庫存是否管理有序？能否快速地把所有內容分門別類？是否能夠為后續(xù)的內容推薦提供充分的支撐？

        （3）最后，根據用戶反饋不斷地調整推薦策略：最開始一定是編輯推薦和根據全站熱度進行推薦，但隨著用戶和內容的同步增長，就需要采用去中心化的個性化推薦，把庫存的大量內容盤活，推薦給最合適的目標用戶。

        內容的“生產-管理-推薦”三步走策略，是所有內容平臺都需要經歷的過程。因此，對內容運營框架的理解和運用，則是內容運營人員從“編輯”（撰稿者）升華為“運營者”的必經之路。

想要更多關于內容營銷的干貨 請繼續(xù)關注135編輯器。