信息流產品的四個核心公式

自facebook的feed項目開始，信息流作為一種技術與場景結合的新應用形式，在各類項目中均佔據了更大的分量。

國內，更是興起了以今日頭條為代表的，以信息流為核心的產品。由於對機器學習（人工智慧）的應用，用戶效率和體驗的提升，獲取用戶消費時間，以及強大的廣告分發效率獲取高額收入，各家各戶趨之若鶩，類似定位的app，瀏覽器，桌面軟體，海外市場，以及產品技術均有類似之處的短視頻，均興起了眾多的玩家。

然而，背後的核心邏輯是？這四個公式也許道出一二：

產品核心：內容消費體驗 = 內容質量 * 獲取效率 * 內容新鮮度

內容質量，即是否囊括各類內容，無論以抓取、內容合作、內容生態；並在推薦系統中能將其識別出來，將最優質的內容呈現給用戶，是內容消費滿意度的來源。在機器學習指標中，主要體現在平均消費時長與完成度的結合。

獲取效率，即是否能為用戶找到用戶最感興趣的內容。在機器學習指標中，主要體現在點擊率與完成度的結合，即推薦預測點擊率最高的內容給用戶（有些不該）。這也是推薦信息流效率遠高於門戶新聞的消費效率的來源。

內容新鮮度，主要體現內容的多樣性和新優秀內容發掘速度。保證用戶的信息獲取體驗始終是最佳和進展中。

對產品核心的堅守，在於充分意識到「給用戶價值」vs「從用戶中獲取價值」的不同，在於細節的優化能否跳出小目標，在核心競爭力處獲得積累，而這也最終決定了產品能走多遠。

機器學習：優化結果 = 內容理解 * 畫像應用 * 模型與策略

內容理解，對內容的理解的深度、廣度、多樣性。以深度來看看，比如圖文類有分類（粒度為數百），主題（粒度為數千到數萬），關鍵詞或實體詞（粒度為數十萬至數百萬）。作者，圖片數量、截幀圖片的特徵等等

畫像應用，基於用戶自然屬性（如性別、機型等），內容消費屬性（如點擊在分類中的記錄），及場景屬性（如時間）等。對畫像的合理收集、應用的能力，是所有推薦、廣告系統中的基礎。當然，好的記錄和使用方式是需要迭代的，雖說會造成一定成本。

模型與策略，使用不同特徵（各種信息維度及其組合），不同模型（LR，GBDT，DNN），預測用戶消費行為的主指標，再根據產品、場景、用戶等種種特點制定內容呈現策略。機器學習與理性理解的合理結合，易學難精。

用戶的需求是高維複雜系統，甚至是不斷變化的。以人的理解為基礎的指標預測和調優，對於用戶的實際需求仍可能是偏離的。對用戶體驗核心的清醒認識和不盲從與細節指標，是合理結合產品技術的要點。

商業化能力：賺錢能力 = 拉新能力 * 留存能力 * 使用時長 * 變現效率

拉新能力，即低成本大量獲取新用戶的能力。除了上了一個境界的口碑傳播外，渠道、廣告、活動、seo各顯其能。

留存能力，用戶使用體驗的核心體現，從長遠看，也許在這裡該加一個2次方。

使用時長，用戶需求被滿足的深度，是各種

變現效率，單位時間內流量轉化為收入的能力，廣告推薦系統與內容推薦系統的技術基礎極其類似，標籤內容理解，畫像等。

信息流的強大變現能力，在於機器學習技術對使用時長和變現效率的優化。而市場產生種種二流競品的原因，大多在於自有流量渠道，彌補拉新和留存能力不足，儘力使用流量變現而已。

更大的世界：用戶剩餘價值 = 新產品價值 - 已有產品價值 - 轉換成本

當我們具備眼光的力量，看到了尚幼的萌芽，也許會獲得藍海與未來。

當我們付出執行的力量，將自己逼迫至極限，正面超越了所有的競爭對手，也許會獲得紅海與現在。

當我們跟隨了一切，而想獲得超額成長，那麼......不幸的是，因為這裡的表面成本如此之低，大部分人們都來了這裡。

而公式的前提，在於我們的胸懷中，為用戶提供的價值在何方。

磁鐵的力量，在於每個微元的磁力貢獻，也在於他們指向了同一個正確的方向。

產品的本質不在於巨大的優化堆疊，而在於正確的價值標準，簡單清晰的方向，和每個環節的合力拚搏。

可惜，我們都在廬山之中......

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！