【0到1】APP简易化搭建社区推荐

作者：貓小

众号：运营增长（yunyingxq）

本文以作者所团队打造社区模块的过程例，梳理了社区推荐的具体思。

因自家产品业务规划需，我们目搭建【社区】模块，并准备一级单栏入口，这事看去挺动静；因从事互联网行业的同学，多多少少知道，内社区可以一行业了，且一比较熟的行业市场。

例如往大了讲，有独立的小红书、知乎等社区产，往小了讲有Keep、易等，在APP中嵌套社区的做法（我们目前就属于这类）。

其次，一个“的”区也不是一个小团说做就做，立马能支撑来的；成熟的区离不开供需关系，也就是内容消耗者和创者，以及复的推荐法；并套内容审核治理、成长等级、创者激励等等一系列运营度来运行。

令人遗憾的是，以上这些当前队能力，都做不；所以想写这篇文章总结一下，是如何思考理的。

一、思考-正向推荐

因为所在的队没有一个懂内容的运营和产品；只是老板想要，交代下来就开干了！（听起来，跟你公咋，哈哈哈）

所以作为个【专业不合格】社区品经理，我被指定负责社区模块时，能抱着敬畏心边学习边思考边设计；心思想是尽量先做小保证（合格），实运后根据实战经验再调优迭代。

始之，我们先梳理一下功能流程，作产品记得，不接到什么功能需求，都先自己理一下流程逆流程，然后思考其中设的关键点所，后输出原型时，能妙笔花。

例如社区的正向流程：

1）给谁推荐内容？

2）推什内容？

3）荐内容数量构成？

…

首先给谁推荐：这里可通过户标签与容标签，相结合进行联推荐；简单举个例子，户分享了某篇章，该章在创建时营打上了“娱乐”标签，那么再次推荐时，就会给户推荐含有“娱乐”标签的容。

打标签有很场，又属另一个大类型，网上有很文章的，里就不做赘述。

其次推什内容：内容也有多种形式，这产品经理需要整理家APP内有哪些内容向产出，比如UGC发帖、内部运营发帖、外部邀请作或搬运的PUGC、KOL发帖、或创建的话题等等。

像我们APP有商品咨询问答，其实也属于内容出，尽可能囊括全部，并是说要在社区股脑荐用户，而是楚后，以便于在合适时进改造，比如我在社区荐瀑布流会随插入个商品咨询问答卡片。

后推荐数构：一般况下，拉刷新或下拉加载，推荐9~12篇内；那这12篇内如何构呢？

最需要考虑种情况：一种是营强推荐，如营推荐章，属于首次进社区必现；一种是热门章、章（发布时间）的推荐、一种是标签联推荐；

延伸处理：我们又把标签推荐分为分时浏览标签和历史浏览标签两种状态，样用来区分推荐结果，比今首次进区，还没有浏览内容情况下，根据历史推荐；有浏览，就需要根据当前浏览结果进行推荐。

以上如此划，是因为推算法逻辑不懂（没有算法工程），但整体思路是要保证公性，任何类型的内容都有机会露出，不可能全是标签推的内容、也不能全是热门推。

继续往下拆解：是荐内容数量分配问题；最粗暴案是配数，比如刷新荐9篇内容，热文章取3篇、新鲜度文章取3篇….

另一种方案给每一种内属性设置分，比如门文章设置高中低三段、新鲜度文章按发布时间也设置高中低….

然后每个位都对应给默认分值，最终根据章累的总分，进行推荐。

延伸处理：不管是哪一种情况，要考虑内容库是很大的，比有1000篇文章，计每篇文章分数推荐出9篇文章，研能需要几秒，但加载刷新一次仅需2秒；中间就存在问题，需要与研讨论是否根据历史标签先做一个默认的初始推荐库，随时往里面更新替换内容。

二、思考-逆向风险

区的逆向流程：

1）内容不够怎？

2）如何验证荐好坏？

3）新用户怎么推荐？

…..

首先内容不够怎么办？为一个从0到1的区，果没有庞大的用户基础和激励政策，内容产出是一个大问题，我们初始内容只有几千篇文章，就需要考虑个消耗问题，果初始内容库有几万篇文章，或许以渡一段时间。

有能力的话，产品可在会议过方案提出风险，跟内容队及领导约束，定期产出多少内容（不论产、购买或用户发帖）来确保消耗；

其是验证荐好坏？不管是内容算法荐是简单逻辑荐，荐出结不定会让用户或自己都满意，这里品要做好预期，有条件研团队可以做AB测试、分桶试验等等来调优。我目前所在团队做不到这块，我不发挥了。

后新用户怎么推荐？这里单独拿出一下，因考虑到社区氛围感问题，老用户我们可以通过述的推荐逻辑行推荐，如果新用户也按照如方式，也可以的。

但产要思考当前章整体质量如何，首先自己感受到社区的氛围及社区想要引导及表达的核；如果弱一点或自信，可支持营对户进行单独容配置，作为户初始容，这样有引导性的户看到我想他看到的容，户感知解可会强一些。

三、遗留

上算是了社区推荐的雏形思路，具体细因产而异；当然可否认是很简陋的版本，这个说实话因公司、项目及团队而定；大团队有大团队的算法工程，小团队有小团队的逻辑处。

在整理学习程中，像区治理、创激励、推荐干预、台审核等大模块的思路及经验，我是插不上的，但小的思考我还整理有下几点，在我们区目前阶段并未现的很彻底，得值得做区时思考，我列出部分，举一反三；

初始：在内容刚发布，可赋予一定初始值，这个值可根据用户账号权重值来计算得出；比如UGC、PUGC属性、用户在的丝、活跃情况等综计算。推：官方运营可以对优质内容或垃圾内容，进行正负权重加，进行一定的人工干预响。间衰减：指的是文章发布后，由新鲜历史的间衰减函数公式（牛顿冷却定律），让内容逐渐降温。

上述部分初始可由简单计算公逐渐过渡到复杂公；由于我司没有成型内容研团队，这些都未实操过。

优质内分发：根据推荐逻辑-优先推荐给固范围趣人群-如果文章继续发酵，则按度升至首页-首页推荐层如果文章继续发酵，则入运营人预阶段，后台控制否推或控。

次，这中间涉及到同账号权重，可会分发同量级的流量进行验证；还有相对公平的流量分配机制，依托粉丝系、兴趣推送的分发机制等，这我们没有实现，我们户量基础当前是很大。

内容聚合显示：内容聚合功能，根据不同内容的划分度，将同类内容放到一个页面进行展示。用户以通某一聚合功能，浏览到所有同类内容。常见的聚合功能有版块、圈子、频道、题、题、标签…等等，具何使用根据具的业务形态来判断。我们文章基础数量也不是很大，所以部分也未现。

内容数据填充：在用户互动数据量不够，就需要通过填充一些“假”数据，提升社热度观，以及在用户发布内容后可以及获得正向反馈。

比如阅读、赞等等，可以在发布时，在定范围内逐渐递增基础数值；评论填充成本稍高些，需要准备套量级足够、用评论库，在内容发布后自动填充到内容评论区。评论可以按场景进分类，应不内容标签；这部分我们也未实现，值冷启动社区思考。