内容向来是互联网生态中重要的一个体系，进入2015年来，移动互联网重新对内容重视起来：视频、音乐的版权大战，微信公众号率先做起原创保护，IP内容被定为腾讯的两大战略之一……这一些列动作说明移动互联网“内容为王”的时代已经开启。对于庞杂的内容，应该怎么样理清楚其中错综复杂的关系，成为一个产品的重要竞争力，是作为产品运营人员最核心的问题之一。

内容管理是一条有迹可循的链条，尽管不同平台内容各有差异，但离不开的是三步策略：内容生产、入库管理、内容推荐。

1、内容生产：源头活水

如何生产内容是一切故事的开始，也许早期的时候雇用一个编辑从海量的互联网搜索内容然后搬运到自己的平台上，就完成了自己平台的内容构建。但是这种模式随着商业和法律的完善必定走不下去的，自己从头开始合法合规地搭建内容生产体系才具有持久发展的可能性。

内容的来源可以大致分为三类：UGC，PGC，外部转载。

（1）UGC

UGC是英文User Generated Content的简称，即用户生产的内容。UGC是互联网尤其是web 2.0以来最重要的果实，可以说互联网的发展史就是UGC的发展史，我们现在离不开的博客、论坛、社区、自媒体都是UGC。

撬动用户为平台来生产内容是非常难做的一件事情，但如果成功建立了UGC机制也会让产品走向正循环。目前典型的UGC产品是：知乎（社区）、简书（博客）、荔枝FM（有声电台）……UGC的核心问题是如何构建用户激励机制，让用户生产内容，这是另外一个议题，这里暂且不表。

（2）PGC

PGC是英文Professional Generated Content的简称，中文即专业人士（机构）生产内容。这意味着内容生产者在该领域具有专业的能力和知识，PGC也是传统行业最重要的内容来源，例如报社的记者、电视台制作团队等专业从业人员给读者/观众生产内容。

在互联网时代PGC的比重并没有那么高，但也不容忽视，例如门户网站的内容都是由专业团队生产的。PGC内容适用于对专业性有要求、门槛较高的平台，例如视频节目、优质电台节目、大众音乐平台，只有专业人士才能生产出用户喜爱的内容。

（3）外部转载

这似乎是最轻松的内容生产方式了，蛮荒时代有许多企业便是通过这种方式轻松地累积了大量用户。目前版权保护和侵权打击逐渐加强，任意抄袭转载不再会如此猖獗，如果你想要运营一个正规的产品，没法再走盗版转载的路线了。但并不是说这种渠道已经不再可行，通过正规渠道联系授权得到作者许可，还是可以转载外部的内容的，不过这是一种不稳定的内容生产方式，只能在早期的时候解决内容缺乏的问题，长期而言必须要有自己稳定的内容生产来源。

2、入库管理：管理海量内容的基建工程

内容少是烦恼，内容多其实也是烦恼。海量的内容并不是随意堆砌在一起就可以的，如果没有良好的结构把海量内容保存起来，所有内容都是一堆无法使用的“垃圾”。就像宜家的库存管理一样，内容同样是需要入库管理的。

（1）结构化信息处理

一个产品的内容一般式具有相似性的，也即可以抽取其中的结构化信息，以便机器的保存和运营人员的管理。以音乐为例，音乐的直观表现形式是一首首歌曲，进一步分解之后，一首作品的结构化信息有：演唱者、唱片公司、专辑名称、发行日期……等等。对于音乐作品，运营人员并不是把音频文件一股脑地塞进硬盘里就完事，而是需要花费不少的精力做好结构化信息的抽取。

所以在产品还未启动的时候，就要考虑清楚未来的内容是什么样的结构，然后设计合理的内容管理系统。良好的信息结构是未来的内容推荐的基础，因为海量内容是由机器拉取的，而不是人工挑选的，机器非常死板，有就有，没有就没有，全靠入库的时候运营人员抽取了哪些信息。

（2）分类体系

分类是一种逻辑，其实一直伴随着人类的发展，张小龙也曾说做产品其实是一个逻辑梳理的过程。传统行业最成熟的分类体系是图书分类，几乎全世界图书馆用的都是统一的一套分类体系。而互联网时代最成熟的则是电商平台，如果有耐心拆解它们的结构，会发现有高达数千种大大小小的分类。

分类是便于用户进行内容筛选的一套规则，当内容多起来的时候，用户必定只能选择自己感兴趣的内容来消费，分类就是提供这么一个选择的入口。相似内容最好用统一的分类规则，例如电商、音乐平台几乎都是同样的分类，一来是尊重用户习惯，减少用户学习成本，二则是遵守行业规范，减轻运营人员的工作负担。

（3）标签体系

分类体系大多是稳定的，行业内的各方约定俗称，有人可能会反应过来这并不是一套灵活的体系。例如在分类体系中，一个内容最好只属于一个分类，这样用户遵循特定的路线就一定会找到它，设想图书馆的一本书可以放在两个不同的书架上，那管理员和读者都要疯了。而标签则会更加灵活，王小波的小说只能放在一个书架上，但是可以往上面贴上N个标签：王小波、中文、小说、当代文学……等等，电脑在搜索的时候只要命中其中一个标签都可以找到这本书。

目前流行的个性化推荐系统，例如豆瓣FM的猜你喜欢、亚马逊的为你推荐，几乎都是基于标签系统，而不是分类。国外音乐平台Pandora为了完善个性化音乐推荐，聘用了大量音乐专业人士为每首歌打上N个标签，帮助Pandora优化推荐结果。

3、内容推荐：用户喜欢与否，成败在此一举

前面所说的两个策略都是幕后完成的，用户还感受不到，那么内容推荐则是掀起盖头直面用户的一道程序了。以结果导向而言，不管其他流程做得多么出色，如果给用户的内容推荐没做好，其他都是白搭。接下来便一一拆解常见的内容推荐方式。

（1）热门推荐

最常见的是“排行榜”形态，作为一个内容平台，这是一个必不可少的模块。当用户第一次使用产品时，每个用户的开端几乎都是相同的，个性化推荐这个时候也就无从谈起。那么最好的办法是展示平台上最热门的东西给用户，这种办法总不会错，来到同一个平台的用户大抵相似（除非你是过亿用户的平台），展示其他用户最喜欢的内容给新用户，从大数定律而言也具有最大的概率击中用户的喜好。

热门推荐是一种省力而讨巧的推荐方式，但是对于大量用户和海量内容并不是好的推荐方式，它的最大弊端在于“马太效应”，导致几乎一成不变的内容。前面说到用户行为是趋同的，因此导致的结果是热门的东西也总是相似的。在热门、排行榜的影响下，很多新的内容无法呈现给用户。所以它只适用于早期阶段，在产品成熟起来之后则应该退而成为一个产品模块即可。

（2）编辑推荐

随着用户增长和内容数量增加，“编辑推荐”的形式会逐渐重要起来，其逻辑是基于平台对于自身运营人员能力的自信，认为官方编辑推荐的内容是用户喜好的。当然推荐的内容不完全是运营人员的主观判断，而是基于数据分析、用户反馈的推荐。

编辑推荐内容一般而言是新鲜的、优质的，弥补热门排行推荐的不足。例如在知乎上，最热门的内容依然是两性、情感话题，如果只展示热门内容的话，会充斥着情感话题，这是大部分用户和运营人员不想看到的结果，所以知乎日报的运营人员会选择更加有新意的内容在首页展示。

一个理想的正向循环是，编辑推荐优质内容，增加曝光，进而成为热门排行榜的内容，在此循环下，平台上的内容是流动性的，新鲜、优质内容得以曝光，并且热门内容会不断轮换。

（3）个性化推荐

最后说说个性化推荐，其实是一个技术问题，目前非常热门的大数据，核心问题之一就是解决个性化推荐。它常见于音乐、视频、新闻、电商等大平台，最具代表性的是亚马逊的个性化商品推荐和Netflix的影视作品推荐。可以看到这些平台的共性就是具有海量内容和海量用户，在如此巨大的平台上，编辑推荐、热门排行榜都无法完全驾驭所有内容和用户。如果能做到为每个用户量身推荐内容，会极大地提升内容推荐的效率，自然会取得商业上的巨大回报。

个性化推荐常见的三种方式：①基于用户的推荐（user-based），找到相似的用户看他们消费了什么内容，然后推荐给该用户。②基于物品的推荐（item-based），根据当前消费的内容找到相似的内容推荐给该用户。③基于物品特性的推荐（modle-based），根据消费过的内容提取特征，找到更多相似的内容。

运用最为广泛的是前两种，并没有孰优孰劣之分，不同场景下两者各有优缺点，一般认为对于新用户采用item-based具有较好的效果，深入学习可以阅读项亮的《推荐系统实践》一书。

4、实践案例：从QQ音乐看内容管理

QQ音乐是国内最大的音乐平台之一，在2015年9月中旬DAU突破一亿，是一个海量内容和海量用户的典型平台，研究其内容管理具有很强的参考价值。

（1）内容生产：PGC方式生产内容，坚持正版化道路

音乐行业是受盗版影响最深的行业，几乎被摧毁，音乐人从音乐作品上基本得不到应有的回报，只能从其他地方赚取收入，所以整个行业每况日下。在这样的背景下，几大音乐平台作为领头羊逐渐举起了版权大旗，QQ音乐是其中做得比较好的一家。

音乐平台的根基是内容，也就是音乐作品，QQ音乐首要解决的问题也正是建立稳定的内容生产来源。由于音乐制作门槛非常高，内容生产方式几乎都是PGC，QQ音乐与国内外的几大唱片公司签订了版权协议，把音乐行业拉向正版化。其实这也是正向循环的必备基础，正版化使得音乐人得到利益回报，才能继续生产高质量的内容，如此以往，音乐人、平台方和用户三者都受益。

（2）内容入库管理：国内最大的曲库管理实践

目前QQ音乐曲库已经达到1500万首，是国内最大的曲库。面对如此巨大的曲库，QQ音乐配有专门的入库团队和自动化处理程序，如前面所述，一首歌曲的演唱者、专辑名称、发行日期、曲风、分类等等几十个结构化信息都会在入库的适合就处理好，采用人工加程序两种方式，完善的结构化信息是后期内容推荐的基础。

（3）内容推荐：编辑推荐、热门推荐、个性化推荐相辅相成

在QQ音乐的APP中，音乐馆的推荐模块是编辑推荐，人工干预力度较大，主要推荐新歌和应景的歌单。排行榜属于热门推荐模块，都是算法计算出的结果，反应了平台用户最喜欢的歌曲。猜你喜欢是个性化推荐的产品，经历过多次改版后，目前可以算是国内领先的个性化推荐系统，具有非常不错的口碑。