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
近兩年來，伴隨著BAT紛紛湧入自媒體平颱，自媒體發展可謂迎來爆發。自媒體平颱火爆起來是從今日頭條異軍突起而引發的。它是一款基於數據挖掘的推薦引擎産品，為用戶推薦有價值的、個性化的信息，是國內移動互聯網領域成長最快的産品服務之一。推薦引擎也將迎來高速發展，針對推薦引擎的優化技術也將會迎來新的機遇。
本書作者從事推薦引擎相關的內容分發相關工作，在書中對內容推薦係統進行瞭介紹，書的最後，介紹瞭自媒體如何利用平颱的內容推薦係統實現流量最大化，並進而實現收益最大化。
用户评价
##科普了内容推荐的机制和做号的一些方法
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。
评分##老板的书… 内容很扎实，不会回避问题，但觉得缺少些可读性，看起来好累。
评分##有被纠正不少流俗对于推荐算法的错误认知，也很受益，非常非常推荐
评分##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##老板的书… 内容很扎实，不会回避问题，但觉得缺少些可读性，看起来好累。
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##只有内容 没有算法
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。
相关图书
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2026 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有