近兩年來，伴隨著BAT紛紛涌入自媒體平臺，自媒體發(fā)展可謂迎來爆發(fā)。自媒體平臺火爆起來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，為用戶推薦有價值的、個性化的信息，是國內(nèi)移動互聯(lián)網(wǎng)領(lǐng)域成長最快的產(chǎn)品服務(wù)之一。推薦引擎也將迎來高速發(fā)展，針對推薦引擎的優(yōu)化技術(shù)也將會迎來新的機遇。

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，在書中對內(nèi)容推薦系統(tǒng)進行了介紹，書的最后，介紹了自媒體如何利用平臺的內(nèi)容推薦系統(tǒng)實現(xiàn)流量最大化，并進而實現(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: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)同過濾
從算法到應(yīng)用
場景劃分
推薦系統(tǒng)評估指標(biāo)
連接內(nèi)容與人
冷啟動
興趣探索
自媒體與平臺
常見的推薦問題
推薦重復(fù)
推薦密集
易反感內(nèi)容
時空限定內(nèi)容
帶著偏見看推薦
信息繭房
推薦會導(dǎo)致 Low?
三分天下?編輯、算法與社交
面對推薦系統(tǒng)
人機大戰(zhàn):效率與目標(biāo)之爭
數(shù)據(jù)分析驅(qū)動產(chǎn)品迭代
個性化的好 與 好的個性化
Part02 關(guān)于自媒體
好內(nèi)容為什么沒人看?
自媒體的數(shù)據(jù)分析
他山之石:BuzzFeed 簡介
內(nèi)容閱讀分析
粉絲增長分析
自媒體運營
內(nèi)容快銷:標(biāo)題黨的二三事
推薦平臺優(yōu)化:從 SEO 到 REO
粉絲運營:新時代的新問題
全平臺運營:從小作坊到 MCN
自媒體變現(xiàn)
變現(xiàn)入門:平臺分成
廣告變現(xiàn):品牌的溢價
自營電商:隔行如隔山
內(nèi)容付費
緣何付費，規(guī)模幾何
內(nèi)容付費平臺展望