本來默默劃船，在交流會(huì)上談個(gè)性化推薦都不惹人注意的今日頭條，毫無置疑現(xiàn)在已經(jīng)被整個(gè)BAT圍剿，內(nèi)容領(lǐng)域的企業(yè)不自覺把今日頭條當(dāng)做競爭對(duì)手，非內(nèi)容領(lǐng)域的互聯(lián)網(wǎng)公司也都想來分一杯內(nèi)容的羹，一夜間，互聯(lián)網(wǎng)遍地都是feed流，不談內(nèi)容推薦算法都不好意思上桌了。
筆者有幸從0到1規(guī)劃頭條產(chǎn)品，想把自己的實(shí)操經(jīng)驗(yàn)分享出來，如果對(duì)感興趣的朋友有幫助自然開心，更希望得到業(yè)界大佬的批評(píng)和指正，畢竟一個(gè)人摸索前進(jìn)，還是很危險(xiǎn)的。
1.明確定位
經(jīng)常使用閱讀產(chǎn)品很大的感受是大平臺(tái)很容易出現(xiàn)資訊沒深度，垂直的內(nèi)容資訊只在某幾個(gè)如科技，互聯(lián)網(wǎng)等幾個(gè)領(lǐng)域做的還不錯(cuò)，我當(dāng)時(shí)的設(shè)想是有沒有可能做行業(yè)內(nèi)深度資訊，尤其是一開始切入那些并未互聯(lián)網(wǎng)化過深的行業(yè)，通過一個(gè)行業(yè)的試點(diǎn)，形成行業(yè)頭條，在沉淀優(yōu)質(zhì)行業(yè)知識(shí)的同時(shí)，以最低成本去復(fù)制到其他行業(yè)。
思考了挺久之后開始和老板匯報(bào)了，省去10000字具體說服過程，最終同意了，因?yàn)閳F(tuán)隊(duì)某公司與一個(gè)傳統(tǒng)行業(yè)A有交集，所以一開始的切入行業(yè)就是行業(yè)A了，下面開始具體執(zhí)行了，看著一共10多個(gè)技術(shù)人員，我陷入了深思……
劣勢簡直不要太明顯：
- 團(tuán)隊(duì)沒人從事過行業(yè)A。
我要開始作死地做頭條產(chǎn)品了……
2. 頭條產(chǎn)品整體設(shè)計(jì)
我開始從三個(gè)層面去搭建產(chǎn)品，底層類型標(biāo)簽層，中層數(shù)據(jù)抓取分析層，頂層業(yè)務(wù)應(yīng)用層。
底層類型標(biāo)簽層
底層根據(jù)具體行業(yè)進(jìn)行梳理，本來這個(gè)過程應(yīng)該產(chǎn)品和具體行業(yè)從業(yè)人員配合梳理，但是礙于資源有限，那就我來吧，肯定不足夠詳盡，但是一開始可以先跑起來。
底層類型標(biāo)簽層分為類型和標(biāo)簽，類型有層級(jí)性，數(shù)據(jù)庫預(yù)留到7級(jí)，實(shí)際梳理到3級(jí)就差不多了，如行業(yè)A，A公司是一個(gè)一級(jí)類型，A行業(yè)制造公司是二級(jí)分類，具體制造公司名稱是3級(jí)類型，每個(gè)類型獨(dú)立建表，每個(gè)表里關(guān)聯(lián)海量標(biāo)簽到類型上，如行業(yè)A技術(shù)這個(gè)類型里我們找到行業(yè)A技術(shù)術(shù)語詞典，刪選后就作為標(biāo)簽關(guān)聯(lián)到A技術(shù)這個(gè)類型下面，類型數(shù)最后梳理了600多，標(biāo)簽數(shù)量有10萬多，數(shù)據(jù)庫預(yù)留狀態(tài)位，可以視情況進(jìn)行啟用關(guān)閉。
中層數(shù)據(jù)抓取分析層
數(shù)據(jù)抓取分析層分為爬蟲部署，內(nèi)容來源處理，數(shù)據(jù)歸類。
1、爬蟲部署
我以一個(gè)技術(shù)外行的角度把爬蟲分為兩類，一類是不定向爬蟲，都是一個(gè)個(gè)單獨(dú)網(wǎng)站，這種技術(shù)消耗較大，需挨個(gè)處理，如各個(gè)A行業(yè)公司的官網(wǎng)新聞中心和行業(yè)A平臺(tái)網(wǎng)站，需單獨(dú)處理，另一類定向爬蟲，主要是有搜索功能的大資訊平臺(tái)，如今日頭條等，代碼可復(fù)用，寫好之后我直接建了一張表，專門放搜索爬蟲的關(guān)鍵詞，一堆關(guān)鍵詞一套代碼就可以實(shí)現(xiàn)，輸入進(jìn)去就把含有這些關(guān)鍵詞的新聞抓取出來了，現(xiàn)在這張表關(guān)鍵詞也有700多了，爬取來的內(nèi)容量實(shí)在太大，建議用mongedb處理。
2、內(nèi)容來源處理
數(shù)據(jù)過來后先進(jìn)行來源梳理，劃分優(yōu)質(zhì)來源和垃圾來源，提升優(yōu)質(zhì)來源內(nèi)容的權(quán)重，優(yōu)質(zhì)來源主要是各公司官網(wǎng)，垃圾來源是指對(duì)具體行業(yè)而言，大量無意義的內(nèi)容來自同一個(gè)來源，那么將他認(rèn)定為垃圾來源，比如一個(gè)叫xx說車的來源在建筑行業(yè)被認(rèn)定為垃圾來源，但是將來復(fù)制到汽車這個(gè)領(lǐng)域的時(shí)候，就不再是垃圾來源了，垃圾來源是一個(gè)長期的活，現(xiàn)在大概700多了，大部分垃圾來源是今日頭條的頭條號(hào)。
3、數(shù)據(jù)歸類
過濾完垃圾源之后，就開始數(shù)據(jù)歸類了，本質(zhì)上是將新聞內(nèi)容歸到我們建立的一個(gè)個(gè)類型上，因?yàn)樽鲂袠I(yè)資訊，希望一開始數(shù)據(jù)準(zhǔn)度較高，我當(dāng)時(shí)想了兩種方案，第一種是將類型根據(jù)自己關(guān)聯(lián)的海量標(biāo)簽按權(quán)重建立一個(gè)個(gè)模型，所有抓取來的文章做全文的分詞處理，大量文章統(tǒng)計(jì)詞頻，每篇文章所有分詞就有一個(gè)總的頻率值，和類型模型比對(duì)，取相關(guān)性較高的，另一種就是把類型下面所屬的標(biāo)簽和所有篩選過垃圾源的文章比對(duì)，含有標(biāo)簽的文章歸到所屬類型下面，含有同一類型標(biāo)簽越多，說明該文章相關(guān)性越高，為了快速上線就用第二種方案，但是相對(duì)，精度就差了一些，當(dāng)然隨著人工的介入，篩出一系列垃圾源，類型和標(biāo)簽維護(hù)工作的持續(xù)，內(nèi)容準(zhǔn)度好了一些。
頂層業(yè)務(wù)應(yīng)用層
業(yè)務(wù)展現(xiàn)層主要是梳理目標(biāo)用戶感興趣的關(guān)鍵詞，將這些關(guān)鍵詞關(guān)聯(lián)到類型標(biāo)簽層的類型，這樣，用戶訂閱關(guān)鍵詞之后就可以看到這個(gè)關(guān)鍵詞所屬的內(nèi)容，前臺(tái)現(xiàn)在以及上線2個(gè)產(chǎn)品，一個(gè)訂閱平臺(tái)，行業(yè)頭條，與之配套的是后臺(tái)管理中心。
1、訂閱平臺(tái)
訂閱平臺(tái)半封閉，面向行業(yè)A企業(yè)用戶和行業(yè)A自媒體從業(yè)者，釋放出他們感興趣的關(guān)鍵詞，內(nèi)容準(zhǔn)度更高，企業(yè)用戶訂閱關(guān)鍵詞，可以看到相關(guān)的資訊，看到平臺(tái)具有的能力后，有欲望定制更多關(guān)鍵詞，后臺(tái)審核后繼續(xù)部署爬蟲，推送數(shù)據(jù)給用戶，同時(shí)記錄用戶的所有行為數(shù)據(jù)。
2、行業(yè)頭條
行業(yè)頭條完全開放，面向準(zhǔn)行業(yè)從業(yè)者以及泛行業(yè)愛好者，釋放出更多關(guān)鍵詞，但是較訂閱平臺(tái)，內(nèi)容質(zhì)量稍差，但是目標(biāo)用戶較廣，所以寄希望記錄用戶的所有行為數(shù)據(jù)（如評(píng)論，閱讀量，換一批事件，關(guān)注關(guān)鍵詞等），得到用戶反饋，建立用戶畫像，以達(dá)到根據(jù)不同用戶畫像推薦關(guān)鍵詞的效果，為真正的推薦做準(zhǔn)備。
3、后臺(tái)管理中心
含有新聞管理，來源管理（優(yōu)質(zhì)來源，垃圾來源），類型/標(biāo)簽管理，用戶行為管理，推送管理，關(guān)鍵詞審核排期管理，評(píng)論搜索管理等，具體就不再詳述了，有機(jī)會(huì)再詳細(xì)介紹，簡單的把產(chǎn)品框架梳理了一張圖，和上面的論述結(jié)合起來，可能更方便理解。
（注：侵權(quán)必究）
3. 致同行
不要?jiǎng)硬粍?dòng)就要再造個(gè)今日頭條，如果你的體驗(yàn)和算法做不到比他強(qiáng)百分之五十以上，正面硬剛基本沒戲，找準(zhǔn)自己的切入點(diǎn)，認(rèn)清自己的優(yōu)勢；
內(nèi)容推薦從來都很危險(xiǎn)，如果用戶不需要的時(shí)候推薦，除非做到讓用戶驚喜，否則就是減分，用戶一定要用的產(chǎn)品，用戶只能忍著，可有可無的產(chǎn)品，極有可能被用戶卸載，這點(diǎn)做公眾號(hào)的朋友肯定深有感觸，每次推送內(nèi)容都怕掉粉。
因?yàn)閷?duì)搜索一直比較有興趣，所以簡單闡述一下自己對(duì)輸入法產(chǎn)品想做內(nèi)容的建議吧。
用戶有自己了解資訊的需求：
- 主動(dòng)獲?。篟SS抓?。╣oogle訂閱），關(guān)注/訂閱（即刻）
- 被動(dòng)獲取：平臺(tái)推薦（傳統(tǒng)門戶，新聞網(wǎng)站），垂直類媒體資訊（36K，虎嗅等，最近馮大輝的readhub），個(gè)性化推薦（頭條，一點(diǎn)資訊）
這一類需求競爭極其大，還有一類是基于特定場景下，對(duì)資訊的了解訴求。
比如找工作時(shí)，想了解某家公司；吃飯時(shí)，想了解附近餐館的情況。
這一類訴求特別長尾，目前多是怎么被滿足的呢？
主動(dòng)搜索，到百度，知乎等平臺(tái)搜索，但得到想要的資訊路徑很長，比如你和朋友吃飯，你想知道附近有哪些好館子，搜到的代價(jià)就就極高這種場景大量發(fā)生在哪里？聊天和查詢的時(shí)候！這正是我覺得輸入法切入資訊的機(jī)會(huì)，具體來講：
- 當(dāng)和別人聊天說要跳槽，談的某家公司，輸入法輸入時(shí)有個(gè)提示（如顏色變化等）能方便的推送公司的最新資訊；
- 聊天約飯，方便推送出附近飯館和評(píng)價(jià)；
- 和男朋友說要買趙麗穎同款，男朋友能方便看到這些商品的資訊；
這些訴求的背后數(shù)據(jù)，詞匯出現(xiàn)的頻率，輸入法公司應(yīng)該有足夠的積累，大可根據(jù)詞頻做內(nèi)容準(zhǔn)備，當(dāng)用戶在輸入東西的時(shí)候，給用戶一個(gè)意外的驚喜，來達(dá)到資訊推薦的目的，希望有從事輸入法這塊的朋友能給予指導(dǎo)吧。
本文系作者：
運(yùn)營那些事兒
授權(quán)發(fā)表，鳥哥筆記平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
本文為作者獨(dú)立觀點(diǎn)，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》
如對(duì)文章、圖片、字體等版權(quán)有疑問，請(qǐng)點(diǎn)擊
反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量內(nèi)容的交流平臺(tái)。為落實(shí)國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評(píng)論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺(tái)氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對(duì)注冊用戶和發(fā)布在本平臺(tái)的內(nèi)容進(jìn)行管理。平臺(tái)鼓勵(lì)用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)法》等法律法規(guī)，對(duì)以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對(duì)憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動(dòng)實(shí)施恐怖活動(dòng)、極端主義活動(dòng)；
5)煽動(dòng)民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會(huì)秩序，破壞社會(huì)穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動(dòng)非法集會(huì)、結(jié)社、游行、示威、聚眾擾亂社會(huì)秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對(duì)未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動(dòng)成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對(duì)他人或其行為進(jìn)行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對(duì)方對(duì)自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對(duì)方難堪；
6)謾罵：以不文明的語言對(duì)他人進(jìn)行負(fù)面評(píng)價(jià)；
7)歧視：煽動(dòng)人群歧視、地域歧視等，針對(duì)他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號(hào)多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號(hào)互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號(hào)之間虛假地互動(dòng)，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷；
8)使用特殊符號(hào)、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯(cuò)誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運(yùn)、使用迷信方式治病；
2)求推薦算命看相大師；
3)針對(duì)具體風(fēng)水等問題進(jìn)行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運(yùn)勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動(dòng)「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號(hào)召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號(hào)」形式刷量控評(píng)等行為
5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會(huì)公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評(píng)述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對(duì)網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動(dòng)發(fā)現(xiàn)和接受用戶舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺(tái)氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對(duì)帳號(hào)進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號(hào)的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號(hào)，或者濫用多個(gè)帳號(hào)發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺(tái)管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對(duì)本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)