知乎的内容分发策略，及运行机制是怎样的？

作为一个优秀的内容问答社区，知乎内容分发上的许多做法值得学习。本文将从三个方面——知识付费、推荐系统、内容分发展开讲解，推荐给对内容分发感兴趣的童鞋。

知乎已然成为中文互联网世界最大的内容问答社区。

磨剑，乎积累宽阔护。，何将效需它，键问题。

传统的解决方案是搜索。通过明确的用户检索词完成内容与用户意图的关联。这是人找内容的时代。

知乎的内容分发策略却不止搜索，还有推荐、想法和热榜。

为什么知乎要将他们作为内容分发的策略？这些策略背后又有怎么样的运行机制呢？

一、基于算法的分发—推荐

推荐系统想必大家不陌生了，现在不管做电商、做社交、还是做内容，如果不弄个个性化推荐，都不好意思出门。

但要搭建一个推荐系统，有三个步骤是必须的：理解内容，理解用户，构建规则。

乎此。

不管是搜索系统还是推荐系统，其目的都是一致的，那就是完成人与内容的高效精准匹配。

为了到达这个目的，理解内容和用户就成了必经之路。

那么，首先应该怎么理解内容呢？

1. 理解内容

比较常见的理解内容的方式是分类。比如up主在B站上传视频时需要填写投稿内容的分类，这就是对内容最基本的分类。

在知乎也一样，频道、分类、话题都是对内容的分类。而内容分类往往呈现结构化的特点。比如，程序员小李下班在地铁上觉得网易云音乐今天推荐的歌单真难听，他就可能打开知乎去音乐app分类的子分类网易云音乐类目下浏览其他人的好歌推荐。

此，从音app类目易音类目，类结构表含系。类细细，它终指某。

那该如何继续向下去理解处于分类末端的具体内容呢？最常见的方式是贴标签。比如给一首歌贴上类型、时长、所属专辑、歌手等标签。

这些标签之间并不是包含关系，而是平等关系。将它们聚合在一起就能从多个维度理解内容。

2. 理解用户

同样的，既然能够给内容打标签，自然也能给人打标签。给用户打标签还有一个专业的名字，叫用户画像。

提到用户画像，自然很容易联想到年龄、性别、学历、地区这些基本的人口学标签。但对于构建推荐系统更重要的是用户行为标签。

用户在知乎的每一次关注、点赞、分享、评论、收藏，都是一次行为标签。

标签虽并含系，却权。享权肯论，论权肯。b码泄露已被锤。

有了这些多维度的标签，就可以建立用户画像系统。然后就能搞点事情，比如大数据杀熟？

3. 推荐规则

理解了内容，理解了用户，下一步自然就是想办法精准连接用户意图和内容。

知乎采用的是用户和内容相结合的协同过滤。

这里有个词，叫协同过滤。什么是协同过滤呢？

打个比方吧。

先来说基于用户的协同过滤。程序员小李除了爱听歌，还喜欢喝酒，他觉得喝完酒写代码更有灵感，所以喜欢研究各种口味的酒。于是，推荐系统就会找到跟小李一样喜欢研究各种口味酒的用户，然后将这些用户关注的与酒相关的内容推荐给小李。

再来说基于内容的协同过滤。设计师小王和产品经理小武在程序员小李的熏陶下，也养成了喝完酒干活的习惯。有一回，他们都浏览了如何健康的饮酒和菠萝啤为什么喝不醉这两个回答，于是推荐系统就认为这两个答案有更强的相似性。在小李浏览了为什么菠萝啤喝不醉这个回答后，推荐系统就可能将这篇回答推荐给小李。

因此，当你打开知乎首页，看到给你推荐的那些内容，就是基于你过往的浏览、点赞、评论等行为标签计算得来的。你的每一个动作，都是在为自己可能接受到的信息投票。

二、基于社交的分发—想法

1. 如何分发

与基于算法的内容分发相同，在知乎想法页，同样能根据用户的主动关注实现个性化推荐。这被称为基于社交的内容分发。

这很好理解，人人都是自媒体，你可以选择关注任何你喜欢的用户。然后这些用户发布的内容聚合在一起，以feed流的形式展示在你眼前。相比算法分发，使用社交分发内容，用户有更大的自主选择权。也更强调被关注用户的内容输出能力。

梳理社交分发内容的过程，大概可以概括成：内容 – 关注用户 – 更多的用户。

注户，注；泛户，注户享转。

所以这样的内容分发策略是强依赖关系链的。微博和微信公众号是最典型的代表。

2. 什么内容适合社交分发

这就要求内容需要具备两种价值：内容价值和分享价值。

内容价值是内容本身的价值；而分享价值是分享行为带来的社交价值。

那么如何创造内容价值和分享价值呢？答案是：信息量。

内容的本质还是信息，度量信息的最小单位是比特。度量方法简言之，一件事情发生的概率越小，则信息量越大。有洞见的行业观察、顶级学霸的高光生活、出人意料的短视频，这些内容都不属于日常生活中的常规事件因此他们有足够大信息量。

3. 社交分发内容的窘境

能够稳定生产大信息量内容的用户，毕竟是少数人，他们也有一个专业的名字，叫KOL。因此，社交分发内容很容易就会形成马太效应。大部分分发流量被少数头部KOL所控制。

，抖音挖、扶持腰KOL、易扶持独立音，控。

三、热榜

1. 热榜内容分发策略

打开知乎首页，还有一个内容分发渠道—热榜。

榜深讨论议题。深，乎乎氛围，议题则效。

按官方给出的热榜热度的说法：知乎热榜中的内容热度值，是根据该条内容近24小时内的浏览量、互动量、专业加权、创作时间及在榜时间等维度，综合计算得出的。

2. 时效性

热点内容分发与算法分发和社交分发最大的不同是时效性。有时效性的热门话题自然也是不需要做千人千面的个性化推荐的，因此知乎热榜也是千人一面的。

那时效性是什么？是用户立刻、马上、现在就要获取满足感。因此那些热门的回答一定是那些紧扣民众情绪的回答。

这与知乎早期理想、深度、干货的标签多少有些相悖。因为内容的沉淀需要时间、有价值问题的酝酿也需要时间。再热门的内容，热度终会褪去。

四、总结

推荐、想法和热榜，告别了只能依靠搜索寻找内容的时代，转而变成内容找人。不论怎样，它们都是想要解决人与内容的高效连接这一需求。

这个需求并不是凭空产生的。互联网内容沉淀经历了从匮乏到丰饶，再到优质的阶段，人们对内容质量的要求越来越高。

从讲，识付、系统、，帮够认识界。

作者：Lcarusd，公众号：Lcarusd