Part01 关于内容推荐
走近内容推荐
推荐系统架构初探
YouTube 和 Netflix 推荐架构参考
基于推荐架构的优化启示
推荐的起点:断物识人
断物
识人
推荐算法:人以群分、物以类聚
物以类聚:基于内容属性的相似性推荐
人以群分:基于用户行为的协同过滤
从算法到应用
场景划分
推荐系统评估指标
连接内容与人
冷启动
兴趣探索
自媒体与平台
常见的推荐问题
推荐重复
推荐密集
易反感内容
时空限定内容
带着偏见看推荐
信息茧房
推荐会导致 Low?
三分天下?编辑、算法与社交
面对推荐系统
人机大战:效率与目标之争
数据分析驱动产品迭代
个性化的好 与 好的个性化
Part02 关于自媒体
好内容为什么没人看?
自媒体的数据分析
他山之石:BuzzFeed 简介
内容阅读分析
粉丝增长分析
自媒体运营
内容快销:标题党的二三事
推荐平台优化:从 SEO 到 REO
粉丝运营:新时代的新问题
全平台运营:从小作坊到 MCN
自媒体变现
变现入门:平台分成
广告变现:品牌的溢价
自营电商:隔行如隔山
内容付费
缘何付费，规模几何
内容付费平台展望
· · · · · · (收起)
具体描述
近两年来，伴随着BAT纷纷涌入自媒体平台，自媒体发展可谓迎来爆发。自媒体平台火爆起来是从今日头条异军突起而引发的。它是一款基于数据挖掘的推荐引擎产品，为用户推荐有价值的、个性化的信息，是国内移动互联网领域成长最快的产品服务之一。推荐引擎也将迎来高速发展，针对推荐引擎的优化技术也将会迎来新的机遇。
本书作者从事推荐引擎相关的内容分发相关工作，在书中对内容推荐系统进行了介绍，书的最后，介绍了自媒体如何利用平台的内容推荐系统实现流量最大化，并进而实现收益最大化。
用户评价
##Part 1 内容还不错，值得阅读，算是推荐算法的科普，末尾专门为推荐算法进行“辩护”的篇幅能看出平时因为这事争论不少；Part 2 则像是面向另一部分用户群体的相对独立的内容。整体来看前半段内容切题，但后半段让书的框架显得有些问题。
评分##2018年第28本。技术开发出身的产品经理写的书，虽然其实内容中真正涉及“算法”的表述并不多也不够深入，但是挺好的科普扫盲。关于舆论对“头条式算法”的诟病的反击有着很令人击掌的精彩^_^ 值得翻翻。
评分##前半部分讲产品，后半部分讲运营。产品部分讲的不错，带点科普性。
评分##搜索+Feed分发机制写得合情合理，最后知识付费部分有一种对前途的谄媚。
评分##愿意读这本书的人，可能分为两波人，一类是互联网行业从业者，一类是自媒体从业者。不管对哪一类人群来说，内容都十分浅尝辄止。就头条算法来说，还可以延展却戛然而止，当然可能出这本书被pr压的多，毕竟我司保密性不要做得太好。
评分##系统已经强大到了一种可以窥探本我的地步了。系统猜你是谁的思路还是很有意思，比如共用wifi的人数来判断使用人之间的亲密度。看了之后有让我重新下载今日头条的冲动，但是下下来之后用了一下还是想说一句，垃圾。有些东西，真的不是系统可以解决的。这可能就是价值导向和技术导向的本质区别。
评分##系统已经强大到了一种可以窥探本我的地步了。系统猜你是谁的思路还是很有意思，比如共用wifi的人数来判断使用人之间的亲密度。看了之后有让我重新下载今日头条的冲动，但是下下来之后用了一下还是想说一句，垃圾。有些东西，真的不是系统可以解决的。这可能就是价值导向和技术导向的本质区别。
评分##入门读物
评分##第一部分介绍了内容推荐的基础框架逻辑，和基于此的通用策略；第二部分基于中国市场说了不少自媒体和内容付费的玩法，外行可以明白个一二。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.tinynews.org All Rights Reserved. 静思书屋 版权所有