不论是产品、运营还是数据分析从业者，只要是内容型产品形态，便都会需要接触到Feed流，且整个工作几乎都围绕着内容优化这一主题。本篇我将讲述自己对这方面 *** 论的理解总结，相信读完本篇文章会对你有所帮助。

一、Feed流是什么？

Feed流是将若干消息源组合在一起，帮助用户持续地获取最新的内容。我们无需主动搜索，自动呈现琳琅满目的内容。它对我们了如指掌，给我们想了解的，让我们不停的刷新。

我们熟知的微博、知乎、今日头条、微信朋友圈、各类短视频等都是feed流的展示模式。

我们以今日头条为例，Feed流如图：

看了图片，相信大家对Feed流有了基础了解，其核心就是个性化推荐，即通过各种策略，从内容池中筛选部分内容，经策略排序后展现给用户。

二、Feed流如何产生？

Feed流的产生，遵循策略制定的四步骤：问题->输入->计算->输出，即为了给用户展示其合适的内容，输入一系列数据指标，进行逻辑计算，最后输出一个令用户满意的Feed流结果。

1. 内容推荐的指标输入维度

我们可以从内容、用户、环境这三个维度去考虑输入指标；

内容：今日头条是一款综合信息聚合平台，涵盖图文、视频、小视频、微头条、问答等，每种内容有自己的特征及垂类，需要考虑如何提取不同内容类型的特征以做好推荐。

用户：涵盖用户基础信息，职业、年龄、性别等，以及基于用户过往行为数据的兴趣偏好标签，甚至可以拿到用户的设备信息以及在其他app上的行为信息。

环境：用户随着周围环境的不同，在工作场合、家中休息、通勤、旅游等不同场景，信息会有特定偏好。

2. 用户特征

3. 常用匹配数据特征

4. 特殊人为策略

有了上述输入特征、进行逻辑计算生成策略，即可输出一个Feed流结果，那么如何判断用户对这个Feed流是否满意呢？

三、Feed流的效果评估

一个基本原则是，要想评估Feed流展现效果好不好，就是要通过各方面进行打分，从而得出该Feed流在用户心中的喜爱程度。打分可以从排序和内容本身两个维度来考虑，即用户喜爱的内容越靠前、用户感兴趣的内容出现的越多，则说明该Feed流效果越好。细化评估指标可以考虑以下数据维度：

点击量：前N刷点击量

点击率(前N刷点击率、整体点击率)：最直观数据，用户点击该Feed流点击率越高，越说明推荐的内容感兴趣，前几刷内容的点击率高于后面内容的点击率则说用户喜爱的内容越靠前

停留时长：用户在该Feed流内容中的停留越长，越说明该Feed内容吸引用户(排除标题党导致ctr虚高的干扰)

阅读完成度：与停留时长概念类似，完成度高说明该内容符合用户

活跃度：用户点赞、评论、分享、关注、收藏等行为

有了评估指标，便可以将各个指标分段设置权重分数，计算一个Feed流的效果总得分。以下行为权重分数示例：

四、Feed流的优化策略

通过以上步骤，我们初步产生了一个Feed流及其分数，下面就需要不断优化迭代了。

咱们还是以今日头条为例，看看其Feed流存在更大的问题是什么。基于这些问题，我们看看有什么解决方案可以解决这些问题，优化Feed流。

于是我们采用抽样分析法，去抽样不同用户其推荐Feed中的文章，进行调查评估，分析各类问题badcase寻找解决方案。以下为抽样分析结果：

1. 内容同质化

从内容生产角度说，平台创作者发布的内容越来越趋于相似，从读者角度来说，每天推送的内容不够新鲜，都是差不多类型的。头条是资讯平台，内容同质化会大幅降低用户使用体验，影响了头条核心的竞争力，且这部分问题占比将近40%，是亟待优化的，优先级较高。

2. 内容质量低