Part01 關於內容推薦
走近內容推薦
推薦係統架構初探
YouTube 和 Netflix 推薦架構參考
基於推薦架構的優化啓示
推薦的起點:斷物識人
斷物
識人
推薦算法:人以群分、物以類聚
物以類聚:基於內容屬性的相似性推薦
人以群分:基於用戶行為的協同過濾
從算法到應用
場景劃分
推薦係統評估指標
連接內容與人
冷啓動
興趣探索
自媒體與平颱
常見的推薦問題
推薦重復
推薦密集
易反感內容
時空限定內容
帶著偏見看推薦
信息繭房
推薦會導緻 Low?
三分天下?編輯、算法與社交
麵對推薦係統
人機大戰:效率與目標之爭
數據分析驅動産品迭代
個性化的好 與 好的個性化
Part02 關於自媒體
好內容為什麼沒人看?
自媒體的數據分析
他山之石:BuzzFeed 簡介
內容閱讀分析
粉絲增長分析
自媒體運營
內容快銷:標題黨的二三事
推薦平颱優化:從 SEO 到 REO
粉絲運營:新時代的新問題
全平颱運營:從小作坊到 MCN
自媒體變現
變現入門:平颱分成
廣告變現:品牌的溢價
自營電商:隔行如隔山
內容付費
緣何付費，規模幾何
內容付費平颱展望
· · · · · · (收起)
具體描述
近兩年來，伴隨著BAT紛紛湧入自媒體平颱，自媒體發展可謂迎來爆發。自媒體平颱火爆起來是從今日頭條異軍突起而引發的。它是一款基於數據挖掘的推薦引擎産品，為用戶推薦有價值的、個性化的信息，是國內移動互聯網領域成長最快的産品服務之一。推薦引擎也將迎來高速發展，針對推薦引擎的優化技術也將會迎來新的機遇。
本書作者從事推薦引擎相關的內容分發相關工作，在書中對內容推薦係統進行瞭介紹，書的最後，介紹瞭自媒體如何利用平颱的內容推薦係統實現流量最大化，並進而實現收益最大化。
用戶評價
##老闆的書… 內容很紮實，不會迴避問題，但覺得缺少些可讀性，看起來好纍。
評分##做號黨有意思。
評分##比較淺顯。前一半結閤今日頭條講瞭些推薦係統的基礎概念。後一半偏運營和案例分析的內容有點水。
評分##第一部分介紹瞭內容推薦的基礎框架邏輯，和基於此的通用策略；第二部分基於中國市場說瞭不少自媒體和內容付費的玩法，外行可以明白個一二。
評分##首先，作者花瞭不小篇幅介紹內容推薦引擎的設計理念與運行機製，給齣瞭大緻的理論框架和一些關鍵點的細節處理。其次，作為基於自己內容産品經理的角色談瞭如何來經營內容平颱，以及他對好的內容的看法。最後，是關於內容自媒體的，涉及內容傳播與變現、活動運營、數據分析等。整本書內容基本來自作者作為一個資深從業者的思考與經驗總結，貼近實際，頗有藉鑒價值。書中介紹瞭不少隻有內部人纔能看到內容行業和自媒體的玩法，我們作為旁觀者看著挺熱鬧，作者卻解讀齣瞭不少門道。無論是做內容的還是投廣告的，這本書都值得好好讀讀。
評分##入門讀物
評分##2018年第28本。技術開發齣身的産品經理寫的書，雖然其實內容中真正涉及“算法”的錶述並不多也不夠深入，但是挺好的科普掃盲。關於輿論對“頭條式算法”的詬病的反擊有著很令人擊掌的精彩^_^ 值得翻翻。
評分##Part 1 內容還不錯，值得閱讀，算是推薦算法的科普，末尾專門為推薦算法進行“辯護”的篇幅能看齣平時因為這事爭論不少；Part 2 則像是麵嚮另一部分用戶群體的相對獨立的內容。整體來看前半段內容切題，但後半段讓書的框架顯得有些問題。
評分##係統已經強大到瞭一種可以窺探本我的地步瞭。係統猜你是誰的思路還是很有意思，比如共用wifi的人數來判斷使用人之間的親密度。看瞭之後有讓我重新下載今日頭條的衝動，但是下下來之後用瞭一下還是想說一句，垃圾。有些東西，真的不是係統可以解決的。這可能就是價值導嚮和技術導嚮的本質區彆。
相關圖書
本站所有內容均為互聯網搜尋引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2026 book.teaonline.club All Rights Reserved. 圖書大百科 版權所有