我的產(chǎn)品筆記:內容模型設計

今天,和一個朋友談到產(chǎn)品模型的設計,有所啟發(fā)。

本大大綱:

1. 什么是模型?

2. 設計、建立模型的目的是什么?

3. 模型如何設計并建立?


1. 什么是模型?

先來看一下百度詞條關于“模型”的定義:人們依據(jù)研究的特定目的,在一定的假設條件下,再現(xiàn)原型(antetype)客體的結構、功能、屬性、關系、過程等?本質特征?物質形式思維形式

從上述定義中,我們提煉關鍵詞:

(1). ?依據(jù)某個特定的目的;

(2). ?以某種物質形式或思維形式呈現(xiàn)的客體的本質特征。

那么,在產(chǎn)品經(jīng)理的實際工作中,可能經(jīng)常需要涉及到建立某些形態(tài)的模型,例如,內容評分模型、內容PK模型等等,而本質上,這些模型都具備以下特點:

(1). ?虛擬模型,用戶不一定可見;

(2). ?模型背后都融合、摻雜復雜的算法和規(guī)則。


2. 模型的作用

既然模型對于用戶不可見,那對用戶的作用有哪些呢?

以內容評分模型、內容PK模型為例:

(1). 內容評分模型

我在《內容與評分》中?我的產(chǎn)品筆記:內容與評分 - 簡書?闡述過 評分對用戶選擇內容進行消費的作用和意義,這里不再重復。

那么,內容評分模型的最終目的是:促成用戶對內容消費,提高內容消費的轉化率。

(2). 內容PK模型

無論是資訊、短視頻、小說、動漫等,如今內容的數(shù)量眾多且質量參差不齊,那么,我們同樣需要一個內容PK模型,其目的是讓更優(yōu)質的內容獲得更多的曝光和流量,例如賽馬,頭部的馬總能一騎絕塵,但若沒有好的訓練,再好的賽馬也無法發(fā)揮最大的能量。


3. 模型如何設計并建立?

這里不再重復內容評分模型的設計,今天在這里簡單介紹下 內容PK模型 的設計和建立。

以 小說內容PK模型 為例:

在設計并建立模型之前,我們首先要弄明白一個問題:即 模型的輸入和輸出

(1). ?什么是模型的輸入和輸出?

模型之內,其實是包含著復雜的算法和規(guī)則。那么對于模型來說,可以把他比喻成一個 中轉站加工點,既然是加工和中轉,它的兩端就一定有輸入和輸出。(類似于傳統(tǒng)的加工作坊,上游一定有原材料的供應方,而下游可能面向顧客或其他下游程序)

內容PK模型的輸入是:內容的標簽、分類、字數(shù)、評分、該內容的用戶數(shù)據(jù) 等等;

內容PK模型的輸出是:內容的質量等級、受歡迎程度(熱度、人氣等)、內容的流量支持等級 等等。

(2). ?從結果反推

明確模型的輸出需要達到什么樣的目的,從結果反推我們需要什么樣的“原材料”,例如內容PK模型,我們想要的結果是 根據(jù)內容當前受歡迎的程度來合理分配其流量

那么,在這個模型中,輸入端我們就需要:該內容的用戶數(shù)據(jù)、評分、字數(shù)、分類等等。

(3). 對輸入條件進行篩選

既然輸入條件有多個,那么還需要我們定義條件的優(yōu)先級或權重,即什么條件是主要的,什么是次要的。對于內容PK模型的輸入條件,顯然 內容的用戶數(shù)據(jù) 更為重要,包括內容消費人數(shù)、平均消費深度等等。

(4). 模型內部的設計

有了輸入條件、輸出目標后,就需要去設計模型內部的規(guī)則和算法。以內容PK模型為例,內部算法可以是按照 輸入條件的權重進行設計,例如根據(jù)內容消費人數(shù)、字數(shù)兩個條件組合設計規(guī)則:

* 內容消費人數(shù)>10000人,且字數(shù)>100萬字,則內容進入A池;

* 內容消費人數(shù)>10000人,但字數(shù)<100萬字,則內容進入B池;

* 內容消費人數(shù)<10000人,但字數(shù)>100萬字,則內容進入C池;

* 內容消費人數(shù)<10000人,且字數(shù)<100萬字,則內容進入D池;

在劃分好內容池的優(yōu)先級后(A>B>C>D),在前端頁面可根據(jù)流量位置為其分配。

細心的同學是不是發(fā)現(xiàn)了一個問題?隨著內容的持續(xù)曝光,內容的消費人數(shù)實際處于一個積累的狀態(tài),會帶來一個問題:即最終所有的內容都會進入A和B?(第5點解答)

(5). 建立模型、不斷優(yōu)化調整

模型的設計和建立,并不是一朝一夕、一蹴而就的事情,而是在模型初步建立完成后,還需要觀察數(shù)據(jù)、用戶反饋等等,根據(jù)反饋結果不斷調整、優(yōu)化模型的規(guī)則和算法,以達到最佳、最平衡的效果。

例如上述問題,最終內容會進入A和B,那怎么去調整呢?

我們還需要在模型中增加規(guī)則,例如對數(shù)據(jù)統(tǒng)計增加時間維度,如過去7天的數(shù)據(jù)總和。在增加規(guī)則后,實際上,每天,所有的內容都會在A/B/C/D中流轉,從而達到了內容池的流通。



南山南 ? ?| ? ?10年移動互聯(lián)網(wǎng)從業(yè)經(jīng)驗,資深視覺設計師、高級產(chǎn)品經(jīng)理

“如果天賦不是與生俱來,那么更應兢兢業(yè)業(yè)”。

?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,428評論 6 531
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 98,024評論 3 413
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 175,285評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,548評論 1 307
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,328評論 6 404
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 54,878評論 1 321
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 42,971評論 3 439
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,098評論 0 286
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 48,616評論 1 331
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,554評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,725評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,243評論 5 355
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 43,971評論 3 345
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,361評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,613評論 1 280
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,339評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,695評論 2 370