要找準(zhǔn)用戶內(nèi)容消費(fèi)需求，首先，要劃分好人群內(nèi)容池，對不同的池子進(jìn)行內(nèi)容畫像，精準(zhǔn)投放內(nèi)容；然后，要根據(jù)不同內(nèi)容池的數(shù)據(jù)變化，做到對內(nèi)容池內(nèi)容與推薦策略的針對性調(diào)整。

之前在一本書中看到這樣一個案例：

某知企業(yè)的領(lǐng)導(dǎo)（領(lǐng)導(dǎo)A），畢業(yè)于名牌大學(xué)，關(guān)注財經(jīng)、科技等領(lǐng)域資訊，一次和某新聞資訊平臺的運(yùn)營總監(jiān)（運(yùn)營總監(jiān)B）吃飯，開始報怨不止：

領(lǐng)導(dǎo)A：“你們APP總是給我推薦娛樂類內(nèi)容，我并不喜歡這類內(nèi)容，我喜歡看財經(jīng)、科技等專業(yè)領(lǐng)域內(nèi)容?！?/p>

運(yùn)營總監(jiān)B：“我們是做個性化推薦，只要你有興趣表達(dá)，推薦的內(nèi)容應(yīng)該都會是精準(zhǔn)的，你把用戶id給我，我來查查?！?/p>

領(lǐng)導(dǎo)A把用戶id給了運(yùn)營總監(jiān)B，過了一會兒，運(yùn)營總監(jiān)B收到了收下的人發(fā)來的結(jié)果反饋，結(jié)果讓他哭笑不得。

他對那位領(lǐng)導(dǎo)A說：“并不是我們的APP總給你推薦娛樂類內(nèi)容，而是每次給你推薦娛樂、財經(jīng)、軍事、科技等領(lǐng)域內(nèi)容，你點擊娛樂內(nèi)容最多，興趣表達(dá)最為強(qiáng)烈，由此積累的畫像信息很明顯，因此造成總是給你推薦娛樂類內(nèi)容?！?/p>

領(lǐng)導(dǎo)A：“沉默不語……”

從上面這個例子可以得到這些信息點：

1. 高學(xué)歷的人，關(guān)注的信息更加符合自己的身份層次，帶有強(qiáng)烈的身份價值認(rèn)同，比如：財經(jīng)、軍事、科技、互聯(lián)網(wǎng)、時政、國際等等具有深度、專業(yè)門檻的內(nèi)容。
2. 即使你是一個高學(xué)歷的人，關(guān)注各種有深度的內(nèi)容，也無法避免人類所共通的本性，也會下意識的去關(guān)注泛娛樂、無需動腦的消遣性內(nèi)容。
3. 不管處于何種社會地位，擁有怎樣的教育程度，回歸本真，都是一個普通的人，有著人類所共有的特性，即使你極力想要證明自己是多么高端、有逼格，但人類共通的本性是無法磨滅的。

通過上面的案例，我聯(lián)想到最近負(fù)責(zé)的內(nèi)容池項目，通過用戶教育程度來劃分本科以上與本科以下的內(nèi)容池，利用池子聚合不同維度下優(yōu)質(zhì)內(nèi)容，來滿足不同群體用戶的內(nèi)容需求。

下面我將用這個例子，來談?wù)劊?strong>怎樣找準(zhǔn)用戶內(nèi)容消費(fèi)需求？

本科以上與本科以下，可以廣義理解為高學(xué)歷與低學(xué)歷。按照通常意義的理解，高學(xué)歷與低學(xué)歷人群存在著諸多差異點，去問稍微有點互聯(lián)網(wǎng)知識的人，都能說出幾點：

• 高學(xué)歷更多關(guān)注財經(jīng)、軍事、科技互聯(lián)網(wǎng)、時政國際、社會深度等領(lǐng)域內(nèi)容。
• 低學(xué)歷更多關(guān)注搞笑幽默、情感娛樂、家居生活等領(lǐng)域內(nèi)容。

實際情況真是如此？

相信會有很多人站出來反對這些結(jié)論。因此，按照這種邏輯來搭建內(nèi)容池，方向有失偏駁。

我們再往深層思考，每個人群都有專屬的共性需求，但不同人群也有共通的共性需求，這種需求就是人類本性所需要的，老少皆宜，文章開頭提到的案例就是很好的例證。因此除了搭建滿足本科以上與本科以下的各自特有共性內(nèi)容池，還需要搭建滿足兩者的共性內(nèi)容池。

當(dāng)劃分好人群內(nèi)容池，那么該怎樣去尋找不同人群內(nèi)容池各自的共性需求？

個人認(rèn)為可以從以下幾個方面進(jìn)行：

1）調(diào)研不同人群的的用戶，了解他們的內(nèi)容消費(fèi)需求。比如：針對本科以上與本科以下的用戶可以調(diào)研初高中、本科、研究生、博士、博士后等，從中挖掘共性需求，且這些內(nèi)容需求畫像的顆粒度要細(xì)，這樣才具有很強(qiáng)的區(qū)分度。

• 優(yōu)點：當(dāng)樣本量足夠大時，得到的結(jié)論會無限接近于實際情況，具有代表性。
• 缺點：需要耗費(fèi)人力物力
• 總結(jié)：可以在人力物力允許的情況下，每個人群（比如每個學(xué)歷層級）實際調(diào)研一些用戶，數(shù)量不用太多，然后從中總結(jié)共性需求，由此得出的結(jié)論為頭腦風(fēng)暴提供驗證數(shù)據(jù)。

2）利用平臺已有的不同人群用戶閱讀行為數(shù)據(jù)，按照不同的數(shù)據(jù)指標(biāo)，拉取不同人群的消費(fèi)內(nèi)容，從中挖掘不同人群的共性需求。

• 優(yōu)點：實操性強(qiáng)
• 缺點：不同平臺對人群的定義不盡相同，且定義的準(zhǔn)確性有待商榷，可能會導(dǎo)致最后得出的結(jié)論與實際情況相差甚遠(yuǎn)。
• 總結(jié)：可以利用這部分用戶數(shù)據(jù)作為參考。

3）搜尋網(wǎng)絡(luò)上各種研究報告，借用別人的研究結(jié)論，從中梳理總結(jié)自己需要的東西。

• 優(yōu)點：方便、快捷可操作
• 缺點：不能保證研究報告是否真實可靠，需要自己考證，梳理總結(jié)時，需要一定的鑒別能力。
• 總結(jié)：這種途徑獲得的結(jié)論雖然快速便捷，但是需要驗證，防止結(jié)論有失偏頗。

4）根據(jù)過往認(rèn)知與經(jīng)驗，進(jìn)行頭腦風(fēng)暴。

• 優(yōu)點：實操性強(qiáng)，隨時隨地都可進(jìn)行。
• 缺點：受限于認(rèn)知水平，結(jié)論可靠性較低。
• 總結(jié)：積沙成塔，眾人拾柴火焰高，但得出結(jié)論需要慎重。

當(dāng)確定好池子的內(nèi)容畫像后，即可著手搭建池子，進(jìn)入投放階段。就拿本科以上與本科以下內(nèi)容池來說，在投放階段，需要再增加一個兩個人群皆可看的內(nèi)容池進(jìn)行混合推薦。

• 本科以下人群推薦邏輯：本科以下+老少皆宜
• 本科以上人群推薦邏輯：本科以上+老少皆宜

邏輯拆解：本科以上與本科以下，旨在滿足各自人群的共性內(nèi)容消費(fèi)需求，老少皆宜旨在滿足不同人群共性的內(nèi)容需求。在機(jī)器推薦時，合理配置池子內(nèi)容，根據(jù)用戶點擊反饋，靈活調(diào)整內(nèi)容配比。

當(dāng)內(nèi)容池內(nèi)容開始投放之后，我們需要觀查哪些數(shù)據(jù)：

1. 文章粒度數(shù)據(jù)：各個內(nèi)容池的文章曝光量、點擊量、ctr、停留時長、文章分發(fā)占比等。
2. 內(nèi)容池粒度數(shù)據(jù)：各個內(nèi)容池整體曝光量、點擊量、ctr、停留時長等。
3. 用戶行為路徑數(shù)據(jù)：不同刷新數(shù)與點擊數(shù)下的留存率，人均點擊量、人群-人均點擊量等，需要查看用戶id，親自體驗不同人群的內(nèi)容推薦，驗證實際效果與預(yù)期是否有偏差。

通過觀察不同內(nèi)容池數(shù)據(jù)變化，做到對內(nèi)容池內(nèi)容與推薦策略的針對性調(diào)整。

通過教育程度對用戶進(jìn)行拆分，從確定分層用戶—確認(rèn)分層用戶的共性內(nèi)容需求—確認(rèn)內(nèi)容推薦策略—數(shù)據(jù)驗證—分層用戶調(diào)整，形成一個閉環(huán)。通過不斷的實驗，不斷的內(nèi)容優(yōu)化調(diào)整，從用戶到內(nèi)容，再從內(nèi)容到用戶，不斷的循環(huán)往復(fù)，逐漸達(dá)到用戶與內(nèi)容，內(nèi)容與用戶的完美匹配。

本文由 @珂然 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議