雷明:腾讯优势技术和网络媒体业务的融合之道

2016年08月21日23:02  来源:人民网-传媒频道
 

第二个是对用户属性变化,这里包括基本的用户年龄、职业、性别,最重要的一个是对用户使用场景的一个标准化。这个场景其实是非常不一样的,是非常重要的一个地方。传统大家说,比如说用户画像,更多是兴趣和属性,但是实际上用户的兴趣并不单单只是兴趣,更多是在使用场景。

比如说王宝强事件,平时不关注娱乐的人,他可能都会扒一扒这个事情的进展。女排事件也是非常典型的,女排发生之后,很多人平时可能看女排很少,但是在今天这个事情发生之后,所有人都希望吼一句,助威一句,不同场景用户行为不一样的,所以怎么样识别用户在不同场景下的阅读行为。这里包括你的阅读位置,地理位置。比如说像我,我老家在湖北,我自己在北京工作,我除了关心北京本身的一些事情,同时我也非常关注我家里的事情,怎么样把你这个人,你的家乡,你的生活地,你的居住地,能够区分出来,是非常关键的。

我们现在正在做一个特别有意思的案例,怎么样区分?北京回龙观宇宙中心技术互联网镇的一个行为的收集,怎么样把这个小镇里面用户所有大大小小的事情,你关注哪个小区又发生什么事情,第一时间触达用户,这个事我们在这里面做了非常多的努力工作。

说完前面的用户画像的标准化和用户画像的采集,另外一个是我们说的,推荐算法体系。推荐算法也是基于用户画像和用户阅读行为,并且以机器方式分析好用户本身兴趣进行分发。刚刚也提到过,用户兴趣不是持续存在的。

比如说当你去买房子的时候,你可能特别关注房价。当你去买车的时候,你可能对车子的信息特别感兴趣。但是过了这个时间,你可能就不感兴趣了。这段时间周期该怎么识别,需要非常多的努力。

另外还包括随机的兴趣,当一个事情发生之后,大家可能都会特别关注,都会扒两句这种普世性兴趣都存在,你不能因为用户普世性兴趣决定用户对这个事情感兴趣。比如说他看了王宝强事件,他是不是对娱乐感兴趣?不一定,如果在这里边做甄别?我们解决方案主要是三个大的程度:“第一个是内容的关联度,第二个是兴趣的关联度,第三个是场景的关联度”。

内容的关联度主要是保证,让内容与用户点击行为做匹配,第二个兴趣关注度主要保证用户阅读兴趣和阅读标签,能够和内容的标签进行匹配。第三个就是对用户场景的收集,包括他的地理位置,包括他的一些持续的阅读时间,是早上读还是中午读还是晚上读,这种不同的阅读的场景,进行收集,进行控制。所以说这三个关联度,是我们做整个推荐算法的最关注的体系。

与此同时,对用户兴趣的收集和用户关联度这种收集,主要是通过协同推荐的算法,和内容精编的体系,目的打破信息传播壁垒,让用户对当前场景下最感兴趣的内容,即使推送给自己,这个时候会让用户有一种惊喜感和喜爱感。比如说当我在家里,给我推送一条我自己小区,或者我自己老家的一条消息的时候,这个时候的感觉,其实给我看大而全的新闻,这种感觉是完全不一样的。

所以我们希望,通过对用户场景和用户喜好的持续分析和持续的解读能力,让整个用户的阅读行为更加完善,用户阅读的喜好更加全面。

以上就是我对内容生产到内容发现和监控,和内容分发这三个领域腾讯具体的做法,希望对大家有借鉴意义,谢谢!

上一页
(责编:刘雨霏(实习)、燕帅)

推荐阅读

傅园慧霸屏 "洪荒之力"打造新一代"网红"
  参加里约奥运女子100米仰泳半决赛的傅园慧因为率真的语言和自带的表情包走红网络。她接受采访时的金句连连、搞怪表情逗乐了大批网友,短短两天,不仅个人微博粉丝数量从几万飙升至260多万,各种二次元表情包、剪辑视频也纷纷上线……【详细】傅园慧霸屏 "洪荒之力"打造新一代"网红"   参加里约奥运女子100米仰泳半决赛的傅园慧因为率真的语言和自带的表情包走红网络。她接受采访时的金句连连、搞怪表情逗乐了大批网友,短短两天,不仅个人微博粉丝数量从几万飙升至260多万,各种二次元表情包、剪辑视频也纷纷上线……【详细】

2016上半年中国影市数据分析
  2016年上半年是中国电影最好的时代,票房一路高涨达到246亿,观影人次7.23亿;2016年上半年也是中国电影充满忧患的年代,二季度出现近5年来首个票房下跌,偷漏瞒报票房时有发生,幽灵场次引人关注,文艺片生存危机加重……【详细】2016上半年中国影市数据分析   2016年上半年是中国电影最好的时代,票房一路高涨达到246亿,观影人次7.23亿;2016年上半年也是中国电影充满忧患的年代,二季度出现近5年来首个票房下跌,偷漏瞒报票房时有发生,幽灵场次引人关注,文艺片生存危机加重……【详细】