LOFTER信息流动状况分析(补充)

LOFTER作为一款典型的信息流产品,大部分用户消费新内容的方式来源于“关注页”,即自己关注的人发布的内容。其它主要来自“标签页”、“个人主页”、“发现页”。

对比Tumblr或者微博,LOFTER主信息流缺乏新内容补充,导致缺乏主动探索欲的用户的信息流长年没有新内容引入。导致如此的主要原因是因为用户没有养成转载的习惯,归根结底还是LOFTER早点坚持原创的理念让用户养成了这是个“日记本/私人的/作品集/照片集”的认知。

时至今日,用户习惯已经养成,固然不可能强行改变用户了。在放弃转载的情况下,LOFTER过去主要做了以下功能来弥补信息流通:

1 推荐 推荐在一定程度上为我们推荐了很多优质用户,然而其存在一些问题。最明显的问题有2个,1是新用户的理解成本高,很难向用户解释推荐和喜欢的区别是什么。不像转载一样是被教育过很多次人人都理解的功能。 2是推荐过的内容在个人页面没有保留,也就是别人无法通过查看你的主页发现更多同类优质用户。

2 动态 看所有好友的动态行为固然可以帮助发现很多内容,但是页面效果一直不佳,我在 http://buaichiningmeng.lofter.com/post/1d05f998_aac52af   里已经单独描述过了。

3 编辑推荐 即现在的各种领域分类 但是说实话领域分类最大的价值还是开辟新的内容方向以及为新用户提供内容。对于老内容而言,简单粗暴的把海量内容分为十几个领域太不精准了。

4 标签 为了最大程度挖掘标签的潜力,过去几年运营团队一直不遗余力地在为标签加精。这种人工运营的方式耗费大量精力但是收效甚微,最大的价值还是在同3一样“养新标签+为新用户提供内容”。最近版本还提供了最新 热门 历史榜单3种维度查看标签,也是为了挖掘优质内容。


为了优化信息的传播,接下来值得尝试的主要分为几块:通过编辑的推荐、

社交关系的推荐、个性化推荐算法的推荐

1 编辑的推荐 

基本就是丰富目前推荐的维度,在标签加精和领域入库的基础上,增加推荐活动、达人方面的内容。


2 依靠社交关系的推荐

即将用户A的关注的人的互动行为尽可能地推荐给A

主要方式有:

2.1修改消息页动态帧的展示方式,让用户有更好地浏览内容的体验。

2.2从所有关注的人的动态中利用算法计算出用户A最有可能感兴趣的内容,插入到首页FEED流或者发现页图墙。前者的效果最好但是比较激进,后者效果一般但是比较稳妥。

2.3 在个人主页将用户的关注、喜欢(包括推荐)行为单独列帧突出,让浏览者可以通过别人的个人主页拓展获取更多信息


3 通过标签体系的推荐

丰富标签下的内容维度,比如相似标签的推荐,以及通过建立起标签体系后,在图墙中插入用户感兴趣的标签下的热门内容 


4算法推荐

这里说的算法狭义上只是猜你喜欢的算法,综合了协同过滤和标签体系。推荐的用户主要应用于猜你喜欢页;推荐的内容主要应用于图墙。(还有相似用户)

广义上的算法(以发现页图墙为例)推荐还包含了全站热门内容,以及上述3点:编辑强推的内容,通过社交关系发现的优质内容、偏好标签的热门内容。


5 通过聊天点对点推荐

一方面是优化私信,以及和Photo direct结合的推荐效果。

另一方面是探索标签下兴趣群聊,通过群聊让用户主动去精准分发内容。


6 优化新发布内容进入到信息流流通的方式

新发布的内容,尤其对于新人来说,他们并不是很了解如何才能让自己的内容获得更高的传播。这样就会导致用户玩了一段时间后因为没有得到反馈而失去发布动力。因此促进用户新发布的内容进入到信息流流通非常重要。

6.1 改善标签分发,即优化目前的打标签流程,首先在发布页向用户强调打标签的作用(增加热度),然后进入到标签页展示近期热门标签,当用户输好一个标签后,下方推荐标签变为上个标签的相似标签等等

6.2 通过开发附近功能去分发新内容

 从消费者来看,如果是属于即不那么优质也没有击中我的兴趣爱好的内容一般我是不想看到的,除非发布者在我附近,让我有社交欲望。因此通过附近的内容(或者同城)去分发新内容是个不错的办法。

6.3 算法分发

只要用户A是用户B潜在感兴趣的用户,那么无论A发布的内容是否带标签,将其推荐给B都是合理的。

6.4 利用大V的流量来分发

用户在发布的时候主动找人帮忙推荐:@功能和photodirect

这里主要讲一下@,需要突出@的显性位置。让用户打完标签后,找相应的大V帮忙推荐(类似知乎的邀请回答制度,即精准邀请大V分发信息)

如某一篇日志发布时打上了摄影、设计2个标签,则用户点击@后会弹出在摄影、设计2个标签下各自最近活跃的达人或用户。然后被@的大V会收到特殊的@通知“***发布的日志邀请你前去浏览,如果觉得不错求帮忙推荐哦”




最后要说的是

1 我对'算法和图墙"在信息流动和内容分发上寄予重大期望,为了实现预期效果,不仅要优化算法,还要做好负反馈评价体系,然后对于图墙页的曝光要做到充分。

2 即使如此,作为弱化了“转载”和“推荐”的代价,还是会有一些问题是暂时没办法解决的。如我在微博早期发的优质内容,会因为偶然被某人转载而重新曝光在他人的首页,所谓酒香不怕巷子深。但是单凭上述手段是无法做到同样的效果的,好内容还是容易随着时间而被遗忘。 



评论 ( 7 )
热度 ( 1 )

© 姜风遥 | Powered by LOFTER