神策數據如何助力文娛平台搭建内容評估體系，打造健壯的内容生态

　　對文娛平台來說,持續的内容疊代創新是平台重要的生存法則,優質内容篩選能力是平台的核心能力。隻有建立科學的内容評估體系,持續滿足用戶對于“好”内容的需求,用戶才會持續地使用和留存。因此,搭建内容評估體系,打造健壯的内容生态,對于文娛平台來說勢在必行。

　　一、為什麼搭建内容評估體系?

　　之所以進行内容評估,區别文娛平台上的内容好壞,原因有三:

　　首先,用戶需要消費“好”内容。在吸引新用戶方面,“好”内容有優勢,比如有趣的投放素材可以吸引新用戶下載,内容出圈可以帶來自然流量的增長。同時,隻有持續滿足用戶對于“好”内容的需求,用戶才會持續地使用和留存。

　　其次,應該讓“好”内容拿到“對”的流量。内容行業的本質是創新,追求内容新鮮感是用戶的天性,持續的内容疊代創新是内容平台最重要的生存法則,優質新内容篩選的能力是平台的核心能力。加之,流量資源是寶貴且稀缺的,隻有精細化運營流量,才能把這些流量盡可能給到最适合的内容。

　　最後,内容有成本與收益。一方面,内容的引入往往是伴随着金錢的投入、員工的精力投入、用戶的流量投入,因此在創作内容時需要一套篩選機制,在投入資源的早期識别優質内容,高效扶持内容;另一方面,内容是可以獲得收益的,比如用戶為了看内容購買會員增值服務、吸引轉化自然新用戶、用戶消費更多流量也會間接為平台帶來經濟價值。有了内容評估體系,可以厘清内容的  ROI 輔助決策,實現内容精細化運營。

　　二、如何搭建内容評估體系?

　　常用的内容評估方式主要有人工評估和數據評估兩種方式。

　　1、人工評估

　　人工評估是要求為内容定性的,在沒有數據或者強依賴人工審美的場景下我們會優先選擇人工評估,但是在定性的過程中也應當盡量有程度上的量化,這樣可以在後期應用人工評估結果的時候分類更清晰、應用更準确。比如說我們人工評估某個内容的聲音優美,那可能又要分為三個等級的優美,是專業級别中的天籁之音,還是普通專業級别的優美,再或者是普通人中的優美聲音。

　　人工評估有人工審美參與,可以解決很多沒有數據量化的評估場景,但也存在主觀判斷偏差大的特點,即便标準明确,人跟人的感受也會不同,每一名審核員對于内容的理解非常容易産生偏差,一般會采用抽樣複審的方式保證最終結果符合預期,但是人工審核整體要對偏差有一定的包容心。

　　人工評估通常包括内容初審評估、内容歸類評估及内容觀感評估三種。

　　2、數據評估

　　數據評估是為内容定量評價的,依托于海量的用戶行為,用戶對内容的各種反饋是最客觀公正的一種評估,也是各文娛平台内部最關切的内容實戰效果。

　　數據評估具有更強的科學性、客觀性和可比較性、反饋及時可以配合改進流量分配的優勢。内容的價值可拆分從以下維度進行具體評估:

　　(1)營收價值

　　内容可以直接帶來營收,用戶會為了某個内容而付費,通常分為單篇收益和會員收益,這些收入可以歸因到每一個内容個體上。

　　(2)增長價值

　　優質内容在平台外部傳播可以帶來新用戶,也可以幫助流失用戶回流到平台,這些用戶用其他方式獲取也是有一定成本的,因此内容帶來的新回用戶是内容的價值。可以通過拉新用戶量、拉回用戶量、新回用戶價值評估、留存及時長等指标進行評估。

　　(3)社區價值

　　消費價值:優質的内容有消費價值,用戶會喜歡看甚至反複看,所以可以用完播率、深度消費率、消費時長、收藏率和點贊率等進行評估(不同産品指标不一樣)。

　　促生産價值:内容有促生産的作用,抖音、快手上明星使用過的魔法表情,普通用戶看到之後争相試用;小紅書、微博上達人發表自己的穿搭心得,用戶往往也會模仿着來生産自己的内容。這些内容都是用戶生産的一種激勵,内容的這種促生産價值也是“優質”的一個代表維度。

　　社交價值:用戶在站内有社交行為,可以增加用戶粘性,内容附屬的社交屬性幫助用戶加深和平台之間的鍊接,内容的社交價值也需要被量化。

　　需要注意的是,數據評估的評價指标往往比較繁雜,需要結合評價目标提煉有效信息。通常,文娛平台完整的内容評估體系由人工評估和數據評估兩種方式互相組合補充形成。

　　三、内容評估模型介紹

　　1、量化模型

　　内容是否優質可以從多個角度進行評估。對于文娛平台來說,在面對多維度數據常常會有困惑,這個内容到底好不好,這些内容中間到底誰是的,因此需要一個統一量化的模型來評價内容。統一的量化模型最終将多個維度的評價指标凝結成一個綜合評價分數。

　　什麼是量化模型?它指的是以應用統計學、計量經濟學為基礎,采用數學統計方法建立模型,建立模型的目标是建立指标之間的函數關系。統計模型最終得到的是變量之間關系的一種描述,是真實數據的近似估計。

　　在搭建文娛内容評估體系時,最核心的目标是留存,那麼我們做内容質量評估就需要找出能促進用戶留存的内容,内容的消費價值、生産價值、社交價值都是用戶留存在站内的影響因素,所以在這個拟合模型當中,y  是留存,x 是三大價值中的具體的指标,比如說收聽時長、點贊個數、生産個數、評論個數、關注個數等,模型的 x、y  都得到了确定,在數理統計模型應用中最适合用于這個模型的回歸方程就是 logit regression。我們最終拟合的公式會得到這樣一個結果:

　　内容質量評估綜合分 = a*播放時長 + b*生産内容個數 + c*關注數 +……

　　内容質量評估綜合分越高,代表這個内容對用戶留存的貢獻越高。因此,在這個模型體系下,我們可以認為分數越高的内容就是更加“優質”等内容。

　　但同時,這套模型也有應用的局限性,因為數據是用當前站内的用戶行為數據拟合的,這意味着它隻代表當前站内的情況,這個數量關系是不可以拿到其他站外的 App  應用的;而且如果我們站内的産品形态、給用戶分發内容的邏輯有變化,那麼這個數量關系都會有改變,因此在這個局限性下需要定期地更新這個模型。

　　2、統一度量——貨币化

　　有了模型的質量評估綜合分之後,在某些場景仍會覺得不夠用,比如說我們在采購内容時,知道了這個内容的質量評估綜合分是 100 分,但是 100  分的内容如果需要我們花 10  萬塊錢去采購,那這件事情到底值不值得?對于這樣的問題我們就需要把内容價值進一步量化,把分數的單位定位到貨币,比如這個内容在站内創造的價值是 100  萬元,那麼我們就可以更容易感知到該内容的價值。

　　從貨币角度來拆解内容價值會有以下最核心的三個層級:營收價值、增長價值、社區價值。每個内容可以在固定時間區間得到一個具體的價值金額數字。需要注意的是,這個價值金額在計算财務數據時不足夠嚴謹,它并不能代表每個内容真的給業務賺了多少錢。計算這樣的量化價值是為了幫助業務衡量每一個内容的相對價值,目的是在疊代内容時更加清晰明确,價值可量化,輔助決策。

　　3、模型修正

　　不同發展階段對于内容優質的定義可能會有區别,比如說早期更注重内容本身的價值,中後期更注重社區價值。各項指标的系數可以在特定場景下做一定的調整。

　　模型是基于用戶留存為目标拟合的,但是不一定适用于所有的場景,比如說我們在調整社區氛圍的時候,會傾向以社交互動數據來評估内容質量,此時不一定非要沿用這套模型,也可以對相關指标直接加權使用。

　　模型總結出的内容價值排序可能會跟 App 運營同學的認知不一緻,需要依照具體情況逐一進行分析。

　　有了内容評估模型和體系,不管是内容引入評估、不同人群的精細化運營及分發還是内容 ROI  評估,對文娛平台都有一定的應用和助力。要想提升優質内容供給,文娛平台需要流量激勵,扶持流量轉化為更多的粉絲、更高的互動,促使創作者生産更多優質内容;同時,也要對負向内容做打壓,避免劣币驅良币,反哺内容引入策略,最終幫助文娛平台真正落地精細化運營,給用戶帶來更好的體驗,促進平台良性發展。