1. 引进内容的要求

首先介绍一下我的工作背景，因为我们做的不是一款UGC产品，平台上的内容都是从第三方引进的。如果你期待看到怎么让个人用户生产内容，那恐怕就要失望了。

我们平台的内容主要就是来自于三个方向：一个是公司自己制作；一个是吸引外部公司或机构入驻。这也是很多PGC产品的做法，公司制作是对内容的基本保障，保证内容质量和更新频率，也使得平台的内容调性不会走偏。吸引机构或公司入驻利于扩大内容规模，毕竟只靠自家制作，产品的发展速度会严重受限。

接下来要做的就是确定引进什么样的内容了。有两个依据：

一个是明确用户群；

另一个是知道什么样的内容是用户喜欢的。

先说前者，找准产品的受众群体。很多人都会把用户画像挂在嘴边，提到用户画像会想到用户的特征，例如性别、年龄段、职业、爱好等。但实际上，我们很难获得这些信息，也不可能说做一个账户体系收集用户信息。说白了，即使你做了用户也懒得填写，所以很多时候只能借助外力。

当时偃师网站建设当时总结了两种方法：

一种是根据已掌握的信息对用户群进行推敲，例如我们当时分析了内容销量最好的几款机型，不同品牌的手机机型价格和定位也是不相同的，根据机型倒推出用户年龄、收入等；

第二是参考一些第三方的分析数据，例如像极光推送这样的服务商会不定期的出一些数据报告，不过像这些统计报告一般都比较笼统，不够细化。对其结果只能是参考，不能完全依赖。

摸索清楚用户喜好的内容，确定内容方向。我们尝试不断推荐不同类型的优质内容，监测不同内容的数据，分析哪些内容受用户欢迎，哪些内容用户不太喜欢，进而反推出用户的喜好。

用内容测试用户的喜好，事先要准备好三项工作：

第一是提前选好内容，不同的内容代表着不同的群体；

第二是不同的内容给予的推荐位置和展示时间是一样的，平等对待，要不然的话会影响到展示效果；

第三是做好数据记录，提前制定好评估标准。

想清楚目的是什么，以销售额为目的和完全以用户的喜好为目的，要评估的数据指标肯定是不一样的。

2. 内容评判的标准

找准用户群后，我们就要有对内容的好坏进行评价，我比较倾向于是建立一套评价机制。这样做的好处是对内容的评判快速做出决定，减少同事间的分歧，所以说对于建立这样一套机制大家也必须达成共识，要不然没法实行。

关于评价标准的制定，分享几点经验：

首先要确定数据指标，播放或阅读量，收入等，其实要细算下来指标还有很多，如喜欢数，下载量等。但是有些指标虽然数据很高，不是我们所追求的，所以也没必要做考量。对于以赚钱为主的内容产品来说最实际的无非就是收入了。

假如我们以收入作为参考指标来制定标准。举个例子，某个内容放到好的位置，设定一个预期和时间段，如果它的收入在这个时间段内没有达到我们的预期，我们就将其撤下，认为其不受欢迎。

可如果只是这样，对内容又会有一些不公，运营人员也会觉得特别可惜，特别是有些内容的引进我们还花费了很大的精力。一个内容如果在最好的位置数据还不好，当把它撤下放到普通的位置，曝光要小很多，数据肯定会更差。所以在现实情况中我们还要对其进行挽救，挽救的方式主要有两个方面：

一个对内容重新包装，例如修改封面图和文案，换一个营销角度，或许会有不同的效果；

另一个则是内容本身，修改内容，对于这点，如果内容是文字的话还好，但如果是视频或者音频的话，修改成本太高，不太现实。

如果某个内容在竞品的平台上也存在，可以借助竞品的数据做参考。不过有三点需要注意：

第一是该内容在竞品上的上架时间；

第二是竞品的用户量级；

第三是看该内容在竞品的平台上的展示位置。

这三个因素对内容数据的高低会有直接影响。

3. 内容推荐的标准

假设你已经引进了很多好的内容，那么接下来面临的一个就是要从内容库中选内容推荐给用户了。

平台中好的资源位肯定是非常稀少的，如果资源位没有得到好的利用就相当于是浪费。打个比方同样的位置你推荐A内容，一天的收入是5000，但是B内容只卖到1000，中间的4000块钱也就相当于我们的损失，也体现出对推荐位利用的好坏。所以做好内容的筛选很重要，选择什么样的内容上推荐位也要有个衡量标准。

内容推荐的标准跟上文第一节中说的有很大关系，我们之所以要摸清楚用户画像，测试用户的喜好就是为了提高日后给用户推荐内容的精准度。

一是根据用户喜好和内容质量，选择一些用户喜欢的内容。但如果一直推用户喜欢的，维度太单一，会使得我们的很多内容都被淹没，何况用户的喜好也会变化，平台可以通过好的内容引导用户。推一些明知是用户不喜欢的内容肯定是有风险的，短时间内看也有损失，对运营人员来说这多少需要承受一些压力，但这也是不得不做的。在选择内容的时候一定要推一些质量比较高的，要不然就会变成不但没引导用户，反而引起用户的反感。

二是根据社会热点和作者知名度，推广一些跟社会热点相关的内容。如果内容的作者是行业内的大咖，可以借助作者的知名度进行宣传。这已是行业内公认的做法，我也不赘述了。

说起来简单，很多时候我们对一个内容推荐后的效果是没法准确预估的，又害怕效果不好白白浪费资源。这时候我们可以根据流量把推荐位划分几个档位。如果对某个内容的效果拿捏不准，可以先把它先放到不太好的位置试水。差的展示位虽然流量低一些，但毕竟流量还是有的。等到测试效果出来，如果效果还不错的话，可以再把其放到更好的位置，这种方法会更保险一些。