JavaEE鸿蒙应用开发HTML&JS+前端Python+大数据开发人工智能开发AI+设计软件测试新媒体+短视频直播运营产品经理集成电路应用开发(含嵌入式)Linux云计算+运维开发C/C++拍摄剪辑+短视频制作PMP项目管理认证电商运营Go语言与区块链大数据PHP工程师Android+物联网iOS.NET

信息流产品设计及流量变现

来源:黑马程序员

浏览71774人

2019.07.04

一、 什么是信息流产品

1.1什么是信息流产品

信息流产品,其本质是一个全新的“内容分发”渠道。信息流产品能根据用户的喜好,将内容进行精准分发推送。

信息流产品,本质是要解决三个问题:

1) 内容创作

2) 内容分发

3) 如何获取用户的喜好

解决了这三个问题,才是一个完整的信息流产品

1.2内容创作

信息流产品的基础是内容,没有内容,产品就是无源之水。目前市面上主流的信息流产品,比如今日头条、抖音、知乎、微博等,它们的内容来源有两个:

1) 平台自创,由官方生产编辑

2) 内容创造者,由用户生产,比如头条号、企鹅号、大鱼号、知乎Live等

这两种内容来源有各自的优缺点:

QQ截图20190704142645.jpg1.3内容分发 

内容分分发是连接内容与用户的桥梁,通过不同的分发渠道,让信息触达用户。常见的分发渠道有三种:

1) 编辑分发

基于人工,运作成本高。排除技术发展的因素,追求对质量的把控。

2) 订阅分发

基于粉丝,获客成本高。构建内容、用户、平台三者闭环,是一种私域流量构建。

3) 算法分发

基于程序,技术壁垒高。通过分析用户画像匹配兴趣偏好,做个性化的精准投放。

1.4信息流产品架构

信息流产品的核心模块是信息和推荐算法。

信息架构

经典的信息流产品架构,一般都采用“一横一纵” 模式。一横是从类的维度,将内容进行粗粒度分类;一纵是从对象的维度,将内容规律格式化呈现。

推荐算法框架

图片1.png

产品架构

图片2.png

一、 推荐算法介绍

推荐算法是信息流产品的灵魂,没有算法,就无法实现精准推荐,信息也就做不到针对性流动。

2.1什么是算法?

算法是解决一个问题的进程,有不同的表达形式。算法有明确定义的计算过程,并产生某个或者某组值作为输出结果.

2.2推荐算法的逻辑

所谓推荐算法,即设计一套机器能理解的算法,通过自动计算得出结果并输出,将结果呈现给用户。

推荐算法的实现基于以下两个基础:

1) 有足够的推荐数据。

如果没有足够的内容,那么推荐算法再精准,也没有内容推荐给用户。

2) 有用户的行为数据

如果获取不到用户的行为数据,那么就没法给用户进行画像,进而无法获取用户的喜好,从而走不到精准推荐。

2.3常见的几种算法

1)协同过滤算法——基于用户

算法思路:将用户进行分类,评测用户之间的相似性,基于用户之间的相似性做出推荐。

假设抖音用户有5个维度

对美女的喜欢程度(1~5分),对搞笑的喜欢程度(1~5分),对民谣的喜欢程度(1~5分),对感情的喜欢程度(1~5分),对乡村的喜欢程度(1~5分)。

用户A:对美女的喜欢程度3,对搞笑的喜欢程度1,对民谣的喜欢程度4,对感情的喜欢程度5,对乡村的喜欢程度0,用户A可以用向量表示为r_A (3,1,4,5,0)

一个用户B:对美女的喜欢程度3,对搞笑的喜欢程度4,对民谣的喜欢程度5,对感情的喜欢程度0,对乡村士的喜欢程度2,用户B可以用向量表示为r_B (3,4,5,0,2)

对于向量A和B而言,他们的在多维空间的夹角可以用向量余弦公式计算:

图片3.png

余弦相似度取值在0到1之间,0代表完全正交,1代表完全一致。那么用户A和B的相似度计算:

图片4.png

即代表了两个用户音乐偏好的相似程度。

假如我们规定余弦值大于0.6即认为两个用户有相似性,那么此时A与B就是相似用户。如果系统发现A用户有一天喜欢了宠物题材,那么系统也会把宠物题材推荐给B用户

2)协同过滤算法——基于内容

协同过滤算法——基于内容

还是拿抖音举例子

A、B、C用户对感情、都市、搞笑、宠物类题材的视频都点赞过

则可认为这四种题材的视频有相似度

此时发现D用户对感情、都市、搞笑类题材的视频都点赞过

那么显然,应该把宠物类的视频推荐给D

一、 信息流广告设计及流量变现

3.1什么是信息流广告

信息流广告通过标签进行定向投放,根据用户的需求选择曝光。

信息流广告的投放逻辑与内容分发一样,都是根据用户画像结果做个性化推送。

3.2信息流广告的有点

与传统广告相比,信息流广告有以下三个优点:

1) 信息流广告的形态接近资讯内容本身,而且穿插在信息流列表之间,或者文章详情页的结尾,对于用户影响较为轻微,心里接受度较高;

2) 从传统广告投放的“买广告位” 模式,转变为“买用户(兴趣)” 模式,根据用户阅读喜好数据和算法精准推荐,让用户看到感兴趣的广告,结合第 1 点提到的类似资讯内容的广告展示形态,真正做到“广告即内容”;

3) 由于信息流广告融合与内容流里面,为了保证效果,提高转化率,对广告质量提出了更高要求,因此我们现在看到的信息流广告,质量大大高于传统贴片广告。

3.3流变变现

对于信息流产品,依托于用户流量和推荐算法,一般有以下三种变现形式:

1) 知识付费

信息流都是给用户推送感兴趣的内容,当用户粘性足够的时候,可以打造热点创作者IP或内容IP,推出付费的内容消费。

产品的内容要能撩拨用户的情绪,比如焦虑感,让用户产生共鸣,满足用户的诉求,进而推动用户主动进入知识消费的场景。一般来说,知识要满足用户以下两个诉求:

1. 学习需求。用户有学习新知识的需求,但更多的时候,用户仅仅是为了学习而学习,知识付费知识为了满足学习这个动作的需要。

2. 提升需求。有价值的内容能让用户短期和长期内有所提升,包括思想认识的提升还是实际技能的提升。

2) 电商变现

电商是变现套路的常规选项,但模式和玩法多变。对于信息流产品,结合内容消费场景,将用户往电商消费场景引导,是一个不错的变现手段。

电商变现过程要注意以下几个问题:

1. 产品场景转变到电商场景,场景的衔接融合、用户的购买习惯培养有一定难度;

2. 基于产品本身,制作对转化更有效的内容;

3. 从零搭建电商体系,如何避免简单粗暴,陷入高成本低转化的深坑,找到符合的类目和营销策略。

3) 广告变现

依托算法和内容,信息流产品可以打造信息流广告变现模式,做精准广告营销。

信息流广告依赖于三个前提:

1. 足够数量的广告;

2. 多元化的内容消费场景

3. 精准的算法