如今是内容为王的时代，如何产出高质的内容，对每个运营人员来说，都是思考和面对的问题。而做好内容运营，首要的就是要搭建完善的内容运营框架，有了这个框架才能更好地展开运营工作。接下来，云集市围绕方面的内容给大家详细地介绍一下。

关于内容运营框架的搭建，行业有这样的说法，即“生产-管理-推荐”三步走策略。遵循该策略，我们一起来看一看详细的做法：

一、内容生产：源头活水

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。

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

通过正规渠道联系授权得到作者许可，转载外部的内容。但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。

二、入库管理：管理海量内容的基建工程

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……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……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。

三、内容推荐：满足用户需求

内容推荐，在于以结果为导向，满足用户需求。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：

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。

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。

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。

四、实践案例：从QQ音乐看内容运营框架的运用

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。

五、总结

新人经常会问，内容运营是做什么的？工作一段时间之后的“老人”也会迷惑，内容运营接下来还应该怎么做？

文中所提到的内容运营框架就能很好地解决这些疑问，就像是一张工作地图，不断地让运营人员了解自己所处何处，下一阶段又应该去往何处。

（1）首先，当你刚开始接受一个内容平台的运营工作，首先要解决内容生产的问题：谁在生产内容？他们对付出和收益满意吗？这种生产机制是否可持续的？

（2）接下来，面对越来越多的内容，就要开始构建完善的内容管理系统后台：内容库存是否管理有序？能否快速地把所有内容分门别类？是否能够为后续的内容推荐提供充分的支撑？

（3）最后，根据用户反馈不断地调整推荐策略：最开始一定是编辑推荐和根据全站热度进行推荐，但随着用户和内容的同步增长，就需要采用去中心化的个性化推荐，把库存的大量内容盘活，推荐给最合适的目标用户。