這是“讓人慾罷不能的產品”系列的第四篇，本文聚焦於如何從內容製作、推薦和內容消費三個方面幫助專業內容平臺培養用戶的參與度，打造出“爆款”產品。文中的指導主要是針對視頻內容生產，當然也適用於包括文本和音頻在內的其他形式的專業內容。
本文研究成果來自紅杉美國數據科學團隊，Jamie Cuffe、Avanika Narayan、Chandra Narayanan、Hem Wadhar 和 Jenny Wang 對本文亦有貢獻。以下是部分要點摘要：
▨ 製作“長青”內容是確保用戶參與度最重要的方法。
▨ 內容多樣性、保證質量、可追性、原創性和高價值都是推出高瀏覽量內容的關鍵因素。
▨ 為了達到精準推薦的目的，必須瞭解每位用戶可搜索到的所有內容，收集用戶直接和間接的信號，並使用這些信號預測用戶行為。
▨ 內容消費會受到設備、網絡連接、內容提供順序及搜索結果順序的影響。
▨ 內容類型、推薦算法、探索和利用選擇、季節性、共享賬戶、優化功能等強烈影響專業內容的參與度。
想要理解有關專業內容的參與度問題，可以先制定一個框架。與即時動態一樣，Netflix、HBO和Spotify這些產品都可以通過如圖1所示的內容製作-消費循環過程來理解，這個循環極大地促進了用戶的參與度。
專業人士製作和傳播這些內容，使用者體驗後會通過評分、評論、投票反映直接反饋，或通過觀看量、觀看時長來進行間接反饋，而這些反饋會促進專業內容的進一步創作和傳播。
雖然像Netflix這樣的公司不斷推出新的內容，每個用戶也都能獲得這些內容，但並不是所有內容都與用戶相關。因此，我們建議用選擇和排序算法。隨著用戶繼續消費並提供反饋，該產品可以繼續研究他們的喜好，不斷推送他們感興趣的內容以持續提高參與度。觀看時長通常是最重要的指標，但用戶回訪越頻繁（訪問量），獲取內容越多（觀看量），參與度就越會增加。
我們將從內容製作（製作或購買不同類型的內容）、推薦（聯繫用戶並展示與他們最相關的內容）、排序（按正確的順序給用戶展示正確的內容）、內容消費（確保用戶在任何網絡狀態下可以用任何裝置便捷地獲取內容）和反饋（鼓勵用戶對內容進行反饋）這幾個方面研究如何提高專業內容平臺的用戶參與度。
內容製作
影響專業內容用戶參與度的最重要的一個因素是製作。和用戶生成內容一樣，如果不能給用戶提供新的、相關的和多樣的內容（授權或原創），訪問量就會逐漸減少，產品最終就會沒有用戶了。制定內容製作的策略時，可以考慮以下幾個方面：
▨ 內容多樣性是留存用戶的關鍵
除了能吸引新用戶，內容多樣性還是促進專業平臺發展的最大動力。為了減少用戶流失，確保他們堅持使用產品，必須給他們提供大量內容。這對於跨國際、語言和文化的用戶群尤為重要，Netflix和Hulu便是如此。
內容多樣性會確保用戶有“追劇”的選擇，便會增加整體的觀看時長。不同類型的內容有不同的保鮮期和可追性（例如有一個完整系列的電視劇就比電影、新聞和體育節目更有可追性）。因此，理解每一種類型併合理搭配是至關重要的。
▨ 獨家內容能助力在現有市場中獲取新用戶
儘管相對來說，用戶的總觀看時長只有一小部分是花在新內容上（因為更“舊”的內容更容易獲取），它仍然是促進你產品發展的重要因素。特別是提供一些別的地方找不到的內容，這不僅會幫你留住現有用戶，還會吸引新用戶（見圖2）。產品宣傳需要新老信息的合理搭配。因此，像Netflix和Hulu這樣的公司才不斷努力獲得並創造最好的新內容。
獨家、原創內容和授權內容應該如何搭配，很大程度上取決於你們公司的使命、策略和對未來的長遠眼光。例如，在Netflix，授權內容創造了80%美國國內瀏覽量，而其原創內容，如《紙牌屋》和《怪奇物語》，僅創造了20%瀏覽量（數據來自7Park Data最新研究）。然而Netflix的首席內容官泰德·薩蘭多斯表示，2018年公司80億美元的內容投資中有85%是原創。為什麼？可能是因為Netflix認為，隨著內容創作者發展他們自己的、直接面向消費者的服務（如迪士尼現在所做的），他們可能損失授權內容。換言之，他們認為未來是屬於原創的，而非授權內容。
▨ 內容保鮮期會影響收益
正如前文所講，不是所有內容都有同樣的保鮮期。用戶可能會看電影、紀錄片，或是已經推出了好幾年的某些節目，但這些跟體育節目大為不同。然而，體育節目對於時間的敏感性也意味著可以在這段時期獲得高收益，尤其是通過廣告的形式。所以，像Netflix這樣的公司，沒有廣告策略，他們就依靠保鮮期長的內容；而亞馬遜、Facebook和HBO就會購買或推出體育節目。
▨ 按用戶習慣確定發佈時間
更喜歡“追”新節目或播客，還是每週或每幾天聽一次新內容？一次性發布一整季，你可以同時滿足這兩種用戶，但要確保觀眾或聽眾會去“追”。這通常也會增加總觀影/收聽時長，因為許多用戶每次只看一個節目。他們越快看完一個節目換到下一個，觀影/收聽量就會越多。
評價一個專業內容平臺的成就和發展策略，請考量以下指標（注意，這些指標可因類型、年齡、製作人、時間、評級等因素而異）：
- 每週都有內容更新
每週可以獲取新內容的數量最終決定了用戶的去留。
- 可獲取的內容總量
可搜索和瀏覽的內容越多，用戶越有可能找到他們想要的。
- 評估內容保鮮期
有些內容經久不衰，有些內容很快就會過時。記錄每項內容的保鮮期可以獲得有價值的信息。
- 評估內容是否可以“追”
確定哪些內容是可以“追”的，哪些是不能的。
- 內容的價值
製作專業內容是要花錢的，所以你要知道內容的數量與它所帶來的收益有關。
- 內容的質量
高質量內容一般最貴，但也更容易推銷出去。考慮開發一種方法給每項內容設定質量值。
- 搜索不可獲取的內容
瞭解用戶所需內容，並瞭解他們是否可以找到，這會幫助你確定要獲取什麼樣的內容。
推薦
為了達到精準推薦的目的，你必須瞭解每位用戶可搜索到的所有內容，收集用戶直接和間接的信號，使用這些信號預料用戶行為（預測），並確定每一內容對每個用戶的重要性（相關性）。因此，行之有效的推薦系統必須包含預測算法，該算法可以為每一內容所對應的用戶分配一個數值上的“相關性分數”。
▨ 用戶連接和內容庫
Facebook、Snapchat或Instagram這樣的社交平臺上既有用戶生成的內容，也有專業生產內容。與之不同的是，在Netflix這樣的平臺上，每位用戶都可以接觸到所有的內容。因此，每位用戶所看到的內容都是一樣的，消費和參與度很大程度上取決於用戶與推薦、搜索、瀏覽和訂閱特定節目或頻道的交互方式。
隨著產品的發展、製作內容的增加，大多數用戶在平臺上訂閱的內容會增加、花費的時間也會增多，從而增加用戶與內容、用戶與平臺之間的連接。最終，消費內容的數量會成為用戶長期留存及參與度的強有力指標。
一些指標可以幫助你瞭解平臺上的用戶連接，你還可以考慮將它們按國家、語言、類型（新聞、電影等）、原創或授權、格式（文本、視頻等），以及平臺（iOS、Android、電腦）進行細分。
需要關注的指標：
- 可獲得的內容
通過推薦、搜索以及瀏覽能接觸到的總內容越多，用戶就越有可能找到他們想要的內容。
- 可獲得內容的消費量
瞭解用戶消費與推薦內容之間的相關程度。
- 用戶連接量
用戶與相關內容聯繫越緊密，他們就越有可能消費內容。
▨ 信號
產品信號包括用戶本身及其對內容偏好的所有信息，這能幫助你預測指定用戶是否會瀏覽給定的內容。下表列舉了一些信號類別的例子，並不全面。
▨ 預測及相關性
因為藉助用戶過去的行為可以預測其未來的行為，因此，在一定程度上，機器學習模型可以使用上述信號來確定指定用戶是否會觀看給定內容，並根據每一內容對應的用戶來生成相關性分數。當總內容中的每一段內容都有這樣的分數時，排序算法就會按照出現在每個用戶頁面上的順序將其排列。
由於多種原因，這些預測具有挑戰性，尤其在決定哪些信號將影響，以及在多大程度上影響相關分數這個方面。選擇並適當地權衡每一種功能既是一門藝術，也是一門科學，這可能相當複雜。
此外，每發佈的一條內容所對應用戶的相關性分數不僅應該反映從信號中得到的預測，而且應該反映產品的優化功能。比如，根據公司的發展方向，你可能需要優化用戶觀看時長，訪問次數或點擊率。Netflix稱其商業目標旨在最大限度地提高用戶滿意度，並保持每月訂閱人數不下降，這兩者都與儘可能擴大視頻瀏覽量相關。因此，Netflix優化了算法，對用戶最有可能觀看和欣賞的影片給予最高評分。尤為重要的是，推薦能夠優化產品，並朝向公司發展總體目標時，才是卓有成效的。
內容消費
用戶的網絡連接能力和設備極大地影響他們對任何產品的消費體驗，包括提供專業內容的產品（這些產品其實會非常受影響）。因此，牢記以下幾個因素極為重要：
- 用以消費內容的設備
你的產品在不同的設備（iPad、智能手機、電視等）上如何呈現？在低端設備上又如何呈現？
- 優化功能
你想將產品朝哪方面優化？這取決於你自己的想法，可能是用戶觀看時長更長，有價值的用戶觀看時長更長，原創內容更多，或者其他因素。關鍵是如何在這之間做出權衡。
- 低端設備及連網能力較差
在網絡較差的地區，應向用戶推薦哪些類型的內容?
- 內容提供的順序
內容提供的順序及推薦方式，對內容瀏覽和觀看的影響較大。
- 搜索
搜索日益成為人們找到相關內容的一項重要工具。擁有能夠識別用戶意圖的強大搜索引擎是十分有價值的。
需要關注的指標：
- 用戶觀看時長/日活躍用戶數量
用戶觀看時長是產品是否具有吸引力的強有力指標。用戶觀看時長的市場份額也是十分有效的指標。
- 每週訪問次數
人們會不斷重複使用產品嗎？這是實現產品-市場契合的初期指標，而訪問次數減少是出現問題的初期警告信號。
- 用戶觀看時長/訪問量
與訪問次數一樣，這個指標將提高用戶總觀看時長。你要確定哪一個是產品最強有力的槓桿。
- 開始觀看、觀看完畢、添加到觀看列表的視頻數量
視頻觀看總量是產品是否具有吸引力的優良指標。
此外，瞭解視頻從開始觀看到觀看完畢的瀑布式流程也是衡量參與度的有效方法。
除了上述需要關注指標之外，還有一些因素會對產品產生影響：
- 探索和利用
你應該優化利用已知的用戶行為，還是嘗試學習探索你不知道的方面？就是說，你應該在多大程度上強調他們可能看重的內容類型，以及在多大程度上強調他們沒有嘗試過的視頻類型？這是所有排序算法共同面臨的基本問題，這個問題沒有簡單的答案。你的產品應該展示多少用戶喜歡而非個性化的內容？
- 數據不足
不管你多麼精心地構建算法，總會有一些你沒有的數據。當人們觀看的視頻數量少之又少時，這一點尤其正確。
- 沒有完美無缺的優化功能
設計預測算法的目的是優化特定指標。然而，這些指標無法完全領會公司目標和使命的精神所在。因此，預測和相關性分數不可能完全充分。排序算法有助於預測用戶是否與內容交互，以及交互的方式，但不能預測這種交互是否滿足你的要求。
- 共享賬戶的影響
因為Netflix此類產品的賬戶通常由多人共享，所以可能不清楚究竟是誰觀看了給定的內容。這意味著你的產品必須在個性化推薦和反映整個帳戶查看歷史的推薦之間保持平衡。
- 季節性
以恰當的順序將適當的內容提供給合適的用戶，這在某種程度上是一種時間的函數，因此，消費將受到用戶行為變化的影響，會根據今天是星期幾、什麼季節、是否為夏季、是否處於節假日等因素變化而變化。
- 決定排序的信號
內容類型和多樣性、狂歡性、時效性、用戶類型及其他信號都會影響內容提供的順序，進而影響消費。
閱讀更多 紅杉匯 的文章
