近兩年來(lái)，伴隨著BAT紛紛涌入自媒體平臺(tái)，自媒體發(fā)展可謂迎來(lái)爆發(fā)。自媒體平臺(tái)火爆起來(lái)是從今日頭條異軍突起而引發(fā)的。它是一款基于數(shù)據(jù)挖掘的推薦引擎產(chǎn)品，為用戶推薦有價(jià)值的、個(gè)性化的信息，是國(guó)內(nèi)移動(dòng)互聯(lián)網(wǎng)領(lǐng)域成長(zhǎng)最快的產(chǎn)品服務(wù)之一。推薦引擎也將迎來(lái)高速發(fā)展，針對(duì)推薦引擎的優(yōu)化技術(shù)也將會(huì)迎來(lái)新的機(jī)遇。

本書作者從事推薦引擎相關(guān)的內(nèi)容分發(fā)相關(guān)工作，在書中對(duì)內(nèi)容推薦系統(tǒng)進(jìn)行了介紹，書的最后，介紹了自媒體如何利用平臺(tái)的內(nèi)容推薦系統(tǒng)實(shí)現(xiàn)流量最大化，并進(jìn)而實(shí)現(xiàn)收益最大化。

目錄
 

內(nèi)容目錄
Part01 關(guān)于內(nèi)容推薦
走近內(nèi)容推薦
推薦系統(tǒng)架構(gòu)初探
YouTube 和 Netflix 推薦架構(gòu)參考
基于推薦架構(gòu)的優(yōu)化啟示
推薦的起點(diǎn):斷物識(shí)人
斷物
識(shí)人
推薦算法:人以群分、物以類聚
物以類聚:基于內(nèi)容屬性的相似性推薦
人以群分:基于用戶行為的協(xié)同過(guò)濾
從算法到應(yīng)用
場(chǎng)景劃分
推薦系統(tǒng)評(píng)估指標(biāo)
連接內(nèi)容與人
冷啟動(dòng)
興趣探索
自媒體與平臺(tái)
常見的推薦問(wèn)題
推薦重復(fù)
推薦密集
易反感內(nèi)容
時(shí)空限定內(nèi)容
帶著偏見看推薦
信息繭房
推薦會(huì)導(dǎo)致 Low?
三分天下?編輯、算法與社交
面對(duì)推薦系統(tǒng)
人機(jī)大戰(zhàn):效率與目標(biāo)之爭(zhēng)
數(shù)據(jù)分析驅(qū)動(dòng)產(chǎn)品迭代
個(gè)性化的好 與 好的個(gè)性化
Part02 關(guān)于自媒體
好內(nèi)容為什么沒(méi)人看?
自媒體的數(shù)據(jù)分析
他山之石:BuzzFeed 簡(jiǎn)介
內(nèi)容閱讀分析
粉絲增長(zhǎng)分析
自媒體運(yùn)營(yíng)
內(nèi)容快銷:標(biāo)題黨的二三事
推薦平臺(tái)優(yōu)化:從 SEO 到 REO
粉絲運(yùn)營(yíng):新時(shí)代的新問(wèn)題
全平臺(tái)運(yùn)營(yíng):從小作坊到 MCN
自媒體變現(xiàn)
變現(xiàn)入門:平臺(tái)分成
廣告變現(xiàn):品牌的溢價(jià)
自營(yíng)電商:隔行如隔山
內(nèi)容付費(fèi)
緣何付費(fèi)，規(guī)模幾何
內(nèi)容付費(fèi)平臺(tái)展望