?本來(lái)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(wú)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(jué)把今日頭條當(dāng)做競(jìng)爭(zhēng)對(duì)手，非內(nèi)容領(lǐng)域的互聯(lián)網(wǎng)公司也都想來(lái)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。
筆者近期有幸從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(lái)，如果對(duì)感興趣的朋友有幫助自然開(kāi)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(méi)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(méi)有可能做行業(yè)內(nèi)深度資訊，尤其是一開(kāi)始切入那些并未互聯(lián)網(wǎng)化過(guò)深的行業(yè)，通過(guò)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(kāi)始和老板匯報(bào)了，省去10000字具體說(shuō)服過(guò)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(kāi)始的切入行業(yè)就是行業(yè)A了，下面開(kāi)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(shì)簡(jiǎn)直不要太明顯
沒(méi)有數(shù)據(jù)積累；
沒(méi)有用戶畫(huà)像；
團(tuán)隊(duì)沒(méi)人從事過(guò)行業(yè)A；
我要開(kāi)始作死的做頭條產(chǎn)品了。。。
2.頭條產(chǎn)品整體設(shè)計(jì)
我開(kāi)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(lái)這個(gè)過(guò)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(lái)吧，肯定不足夠詳盡，但是一開(kāi)始可以先跑起來(lái)。
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(kù)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(yǔ)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(wàn)多，數(shù)據(jù)庫(kù)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(chóng)部署，內(nèi)容來(lái)源處理，數(shù)據(jù)歸類
爬蟲(chóng)部署
我以一個(gè)技術(shù)外行的角度把爬蟲(chóng)分為兩類，一類是不定向爬蟲(chóng)，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(chóng)，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(xiě)好之后我直接建了一張表，專門(mén)放搜索爬蟲(chóng)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(lái)了，現(xiàn)在這張表關(guān)鍵詞也有700多了，爬取來(lái)的內(nèi)容量實(shí)在太大，建議用mongedb處理
內(nèi)容來(lái)源處理
數(shù)據(jù)過(guò)來(lái)后先進(jìn)行來(lái)源梳理，劃分優(yōu)質(zhì)來(lái)源和垃圾來(lái)源，提升優(yōu)質(zhì)來(lái)源內(nèi)容的權(quán)重，優(yōu)質(zhì)來(lái)源主要是各公司官網(wǎng)，垃圾來(lái)源是指對(duì)具體行業(yè)而言，大量無(wú)意義的內(nèi)容來(lái)自同一個(gè)來(lái)源，那么將他認(rèn)定為垃圾來(lái)源，比如一個(gè)叫xx說(shuō)車的來(lái)源在建筑行業(yè)被認(rèn)定為垃圾來(lái)源，但是將來(lái)復(fù)制到汽車這個(gè)領(lǐng)域的時(shí)候，就不再是垃圾來(lái)源了，垃圾來(lái)源是一個(gè)長(zhǎng)期的活，現(xiàn)在大概700多了，額，大部分垃圾來(lái)源是今日頭條的頭條號(hào)。。
數(shù)據(jù)歸類
過(guò)濾完垃圾源之后，就開(kāi)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(kāi)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(lái)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(guò)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(shuō)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
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(chóng)，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)
行業(yè)頭條
行業(yè)頭條完全開(kāi)放，面向準(zhǔn)行業(yè)從業(yè)者以及泛行業(yè)愛(ài)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(huà)像，以達(dá)到根據(jù)不同用戶畫(huà)像推薦關(guān)鍵詞的效果，為真正的推薦做準(zhǔn)備
后臺(tái)管理中心
含有新聞管理，來(lái)源管理（優(yōu)質(zhì)來(lái)源，垃圾來(lái)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(jiǎn)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(lái)，可能更方便理解
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(méi)戲，找準(zhǔn)自己的切入點(diǎn)，認(rèn)清自己的優(yōu)勢(shì)；
內(nèi)容推薦從來(lái)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(wú)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(jiǎn)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)獲取：RSS抓取（google訂閱），關(guān)注/訂閱（即刻）
被打獲取：平臺(tái)推薦（傳統(tǒng)門(mén)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(jìng)爭(zhēng)極其大，還有一類是基于特定場(chǎng)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(zhǎng)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(zhǎng)，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(chǎng)景大量發(fā)生在哪里？聊天和查詢的時(shí)候！這正是我覺(jué)得輸入法切入資訊的機(jī)會(huì)，具體來(lái)講：
當(dāng)和別人聊天說(shuō)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(shuō)要買(mǎi)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(lái)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
最后，野路子出身的產(chǎn)品，非常誠(chéng)懇的希望有同行能夠給出批評(píng)和建議~歡迎關(guān)注公眾號(hào)/微信私聊~
