關于UGC內容社區(qū)新熱推薦的一些思考記錄

本篇文章不會涉及過多背景介紹與基礎信息的講解，默認大家都對于推薦本身，對于推薦為何要追求新熱有一定認知。

一句話而言：內容推薦是將用戶喜歡的，同時符合平臺意志的內容按照一定順序展現給用戶，而熱點事件是最吸引眼球的，對于新熱內容，如果能更快更及時地展現給用戶，就能夠將用戶的注意力牢牢地抓在平臺手中。

基于策略PM視角，內容社區(qū)應該從以下幾個方面去服務滿足用戶獲取新熱內容的需求：

熱點獲取、熱點內容挖掘、熱點內容推薦、熱點感知提升&評估體系搭建。

下面我也會從這幾個維度來聊聊新熱推薦在內容社區(qū)的實施，包含一些可能存在的坑，以及一些需要注意的關鍵點。

2 新熱推薦的社區(qū)應用

2.1 熱點獲取

熱點事件分為兩種，一種是全網熱點事件，比如前段時間的吳亦凡被捕、東航墜機事件、最近的上海疫情進展，第二種是原生熱點事件，基于社區(qū)文化，在內部產生，具備一定破圈能力的事件，這方面的案例最典型的是古早的“賈君鵬，你媽媽喊你回家吃飯”、最近的“蔡徐坤周杰倫超話打榜”。

全網熱點事件是全民關注的，其特征是發(fā)酵非常迅速，能吸引大多數人的目光，通常不具備過高的理解門檻，但足夠重要或者足夠勁爆。當事件發(fā)生時，人工往往會比機器有更強的先驗判斷能力，比如吳亦凡事件，當被捕的消息剛發(fā)布微博的時候，機器可能需要計算同時段爆發(fā)的相關討論情況才能判斷事件等級，但人工就很容易判斷其一定是一個全網熱點事件。

原生熱點則一般是社區(qū)內部先小范圍發(fā)酵，是社區(qū)用戶一段時間最關心熱議的話題，初期一般具備具備鮮明的領域屬性，或者存在一定理解門檻。但當討論議題足夠具備爭議性，且衍生出了一些不需要了解事情完整情況也能get到的梗的時候，原生熱點也完成了進階，具備了拓圈，成為全網熱點事件的可能。

扯了一大堆終于到了正題，作為平臺方，我們應該如何更快更準確的獲取到熱點信號呢？

同樣需要分熱點類型來看，對于全網熱點事件，著重看三方面信號：競品push內容（微博、頭條、百度等）、頭部媒體號發(fā)布內容（人民日報、共青團中央等）、競品熱榜內容。

其中push通常是最快的，熱榜是最準的，頭部媒體號發(fā)布的通常是最具價值的。

這三類信號都存在雜音，比如push還包括很多非新熱向的個性化push，熱榜也通常有平臺意志強加的內容，策略在這步中需要做好的是信號的獲取與處理，接入更豐富的信號源，做好信號處理，包括事件聚合（同一事件在不同平臺存在不同表述）、事件交叉驗證（同時間出現在多個競品熱榜高位的大概率是全網熱點事件）。

不可或缺的還是運營的介入，提供一個人工的判斷界定，可能更快的熱點事件發(fā)現、修正策略對事件重要性的判斷結果，這方面需要策略團隊與運營的通力協作，通常還需要設置一些中間指標，來衡量策略和運營在熱點發(fā)現這一環(huán)節(jié)的表現，這塊可以自行設置，就不再展開。

而對于原生熱點事件，就更讓人頭疼了，對于頭部社區(qū)來說，如微博，由于用戶形成了較強的#話題感知，通過計算一段時間內話題的熱點躥升情況，是能夠很好發(fā)現熱點的，而對于其他ugc內容社區(qū)，熱度躥升的德爾塔值同樣具備很強的參考價值，因為具備討論的熱點一定會在短時間具備強虹吸效應，將附近的注意力與流量聚集起來，這就會帶來一些置信的熱點判斷信號，包括用戶層面的集群、內容層面的集群。

策略團隊通過與數據團隊協作，定義獲取熱點置信信號，定義熱點爆發(fā)度信號（用于計算熱點內容的爆發(fā)擴散能力）、來挖掘可能的原生熱點事件。

2.2 熱點內容挖掘

這部分尤其針對全網熱點，從外站獲取到了熱點事件，通常以一串文字的形式呈現，比如#鄧倫偷稅1.06億，這就是策略用以內容挖掘的主要抓手，而在ugc內容社區(qū)，用戶發(fā)布的內容并不具備很強的結構化，很多時候標題就是“xdm，出大事了”，然后截圖的熱點事件的外站截圖，這就給策略做內容匹配出了一道大難題。

要平衡準確性和召回能力，怎么解呢？

傳統(tǒng)的做法是通過切詞匹配&事件聚合策略，匹配的主體分別是熱點事件名的切詞結果和社區(qū)內容標題，這種做法的優(yōu)點是匹配的準確性較好，但缺點是沒法匹配到上一段我們所說的那種內容，而這種內容可能在社區(qū)中占比比高結構化的內容多得多。

筆者嘗試過加入正文內容，以及ocr識圖結果來做匹配，結果是匹配的相關性很差，幾乎是不可用的程度，和策略rd討論過后，有幾種可嘗試的方法，也po出來和大家討論：

• 梯度匹配，同樣引入正文內容和ocr結果，但加入限制，對于這部分內容，要求匹配相關性更高，再加入召回。
• 策略嘗試，在jarcard相似度的基礎上嘗試其他算法，進行bagging，提升匹配的準確性。
• 獲取熱點title及落地頁內容、社區(qū)內容title和內容，基于KeyGraph算法做匹配。
• 同樣，運營在這步中可以做為人工內容補充的一個源泉，同時對策略挖掘的內容做二次審核和不相關剔除，同樣需要制定相應的中間指標，共背指標才能互相約束。

這部分就不細拆了，如果想要進一步討論，可以找筆者私聊~

2.3 熱點內容推薦

這部分反倒是最簡單的，三個步驟需要關注一下：熱點事件的定向人群冷啟、熱點事件的擴散、熱點事件的LCN及時退場。

定向人群依賴于對用戶畫像的刻畫，需要對新熱用戶進行定義，對這部分喜歡看熱點事件的用戶，優(yōu)先將熱點事件推薦展現，根據他們的表現，來決定下一步是否需要進行熱點推薦的擴散（提權）、熱點事件同樣需要做好LCN退場，即對于同一個事件下，內容推薦超過X條，無點擊行為，需要對該用戶及時退場，避免搶占曝光資源。

這步策略主要聚焦的核心指標，可以通過“事件發(fā)生xx min時間內的用戶覆蓋”來衡量。

2.4 熱點感知提升&評估體系搭建

推薦出新熱內容，并不直接意味著用戶新熱感知自提升了，需要結合功能側的一些改動，比如典型如微博，推薦帶推薦理由，搜索框實時展現熱點事件等，都是從功能側驅動，配合策略實現用戶切實對新熱事件感知的提升。

那么怎么評估用戶新熱感知提升了呢？

包括月度的用戶評估報告（最好有和競品的對比，新熱感知月報）和數據維度的例行評估。

數據維度的評估主要從四個方面進行：

• 全面：事件覆蓋全、事件推薦角度全；
• 及時：是否在事件發(fā)生第一時間給用戶推薦出來；
• 準確：是否內容是熱點事件相關的，是否推給了對該熱點事件感興趣的人；
• 適度：是否推薦適度，不存在霸屏、連出、退場不及時的問題；

3 新熱推薦的拓展想法

有幾個問題筆者一直在思考：

• 內容社區(qū)真的把新熱做起來，應該是一個什么樣的狀態(tài)？
• 熱點事件，更應該以什么形式承載，單內容？話題？
• 話題榜中，全網熱點和原生熱點，應該怎么分布才算合理？
• 新熱線條，產品和運營應該怎么分工，究竟是哪方主導？

這幾個問題，限于篇幅，就不在這篇文章中展開了，如果大家有想法，可以在評論區(qū)發(fā)表自己的看法，也可以找我私聊討論。

若能拋磚引玉，不勝榮幸~