科技网

当前位置: 首页 >智能

创新想法AI赋能新媒体平台运营世

智能
来源: 作者: 2019-02-21 11:15:27

创新想法:AI 赋能新媒体平台运营

新媒体平台运营往往会经过种子期、爆发期、平台期的运营策略。在此基础上,基于用户赋能的视角,有心理赋能、结构赋能和资源赋能,本文创新提出 AI 赋能新媒体平台运营策略。

文章开始从 AI 赋能写稿,AI 赋能平台流量分发机制即内容推荐算法,然后简述 AI 赋能社交互动,最后强调建议累积平台核心资产建立统一的数字仓库,以期望为新媒体平台运营人员打开一扇人工智能赋能运营的窗!

可分为多个版块类别(如财经、体育、科技、民生等),多个行业分类(如汽车、奢侈品、饮食、全面小康等),以及多个细分子话题标签(如自然灾害、食品安全、条例违规、高管变动等);同时可用话题分类 AI 技术快速添加并识别各种定制话题。

基于 AI 中的自然语言处理技术,自动归纳文本大意,快速了解文本的核心要点,节省新媒体运营人员大量阅读时间。

首先,系统对每个用户都有一个用户 Profile 的建模,其中包括用户的基本信息,例如用户的年龄,性别等等;

然后,系统会根据用户的 Profile 计算用户的相似度,可以看到用户 Pa 的 Profile 和用户 Pc 一样,那么系统会认为用户 Pa 和 Pc 是相似用户,在推荐引擎中,可以称他们是 邻居 ;

最后,基于 邻居 用户群的喜好推荐给当前用户一些内容,图中将用户 Pa 喜欢的内容 Ba 推荐给用户 Pc。

然后通过短视频的元数据发现短视频间的相似度 因为类型都是 小姐姐、旅行、教育培训 视频 Ba 和 Bc 被认为是相似的短视频(当然,只根据类型是不够的,要得到更好的推荐,我们还可以考虑短视频的拍摄时间,制作份数等等);

最后实现推荐 对于用户 Pa,他喜欢看短视频 Ba,那么系统就可以给他推荐类似的短视频 Bc。

上图示意出基于用户的协同过滤推荐机制的基本原理,假设用户 Pa 喜欢内容 Ba,内容 Bc,用户 Pb 喜欢内容 Bb,用户 Pc 喜欢内容 Ba ,内容 Bc 和内容 Bd;

从这些用户的历史喜好信息中,我们可以发现:用户 Pa 和用户 Pc 的口味和偏好是比较类似的,同时用户 Pc 还喜欢内容 Bd,那么我们可以推断用户 Pa 可能也喜欢内容 Bd,因此可以将内容 Bd 推荐给用户 Pa。

基于用户的协同过滤推荐机制和基于冷启动的推荐机制都是计算用户的相似度,并基于 邻居 用户群计算推荐。

基于冷启动的机制只考虑用户本身的特征,而基于用户的协同过滤机制可是在用户的历史偏好的数据上计算用户的相似度。

基于内容的协同过滤推荐的基本原理也是类似的,只是说它使用所有用户对内容或者信息的偏好,发现内容和内容之间的相似度,然后根据用户的历史偏好信息,将类似的内容推荐给用户,上图很好的诠释了它的基本原理。

假设用户 Pa 喜欢内容 Ba 和内容 Bc,用户 Pb 无所作为喜欢内容 Ba,内容 Bb 和内 Bc,用户 Pc 喜欢内容 Ba,从这些用户的历史喜好可以分析出内容 Ba 和内容 Bc 时比较类似的,喜欢内容 Ba 的人都喜欢内容 Bc,

创新想法AI赋能新媒体平台运营世

基于这个数据可以推断用户 Bc 很有可能也喜欢内容 Bc,所以系统会将内容 Bc 推荐给用户 Pc。

与上面讲的类似,基于内容的协同过滤推荐和基于内容的推荐其实都是基于内容相似度预测推荐,只是相似度计算的方法不一样,前者是从用户历史的偏好推断,而后者是基于内容本身的属性特征信息。

时下推荐算法往往都不是单纯只采用某一种推荐的机制不同程度渴望着在社会上建功立业和策略,他们往往是将多个方法混合在一起,从而达到更好的推荐效果。

抖音的算法有别于其他短视频的流量分配,就像微博的流量向名 V 集中,刚开的微博都没人看。

而新视频流量分发以附近和关注为主,再配合用户标签和内容标签智能分发,如新视频的完播率高,互动率高,这个视频才有机会持续加持流量。

这也正是 0 粉也能 1 夜 10w+,一夜爆红的原因,因此抖音的算法让人 雨露均沾 ,这波红利给人人以机会,天天有看点!

即叠加推荐,是指新视频都会智能分发 100vv 左右的播放量,如转发量达 10(举例),算法就会判断为受欢迎的内容,自动为内容加权,叠加推荐给你 1000vv,转发量达 100(举例),算法持续叠加推荐到 10000vv,转发量达 1000(举例), 再叠加推荐到 10wvv,依次累推 所以一夜几百万播放量的抖音主也矇,不知道发生了神马,实则是分层的混合(Meta-Level Hybridization)采用多种推荐机制,并将一个推荐机制的结果作为另一个的输入,从而综合各个推荐机制的优缺点,得到更加准确的推荐。

此推荐当然是以内容的综合权重作评估标准,综合权重的关键指标有:完播率、点赞量、评论量、转发量,且每个梯级的权重各有差异,当达到了一定量级,则以大数据算法和人工运营相结合的机制。

实刷近百条爆火抖音,发现所有一夜爆火的视频,和抖音推荐板块的视频,播放量多在百万级,综合数据(完播率,点赞量,评论量,转发量)无一例外都很好。可见经过大量用户的检验,层层热度加权后才会进入了抖音的推荐内容池,接受几十到上百万的大流量洗礼,各项热度的权重依次为:转发量 评论量 点赞量。

热度加权的混合(Weighted Hybridization)用线性公式(linear formula)将几种不同的推荐(完播率、点赞量、评论量、转发量)按照一定权重组合起来,具体权重的值需要在测试数据集上反复实验,从而达到最好的推荐效果。关于如何根据产品业务类型切换组合各个推荐机制欢迎交流 Line。

关于 AI 在社交互动中的应用,研究发现,悟空问答是个智能问答平台,通过 AI 技术可以快速给出问题最合适的答案;同时,在短视频领域,AI 在互动上的应用表现得更明显。

抖音视频中读微笑背后的阴险,用户吃什么颜色的冰淇淋,就可以晕染出同色调头发,并达到发丝染色的精确度,让画面十分自然。

新媒体运营一个新的平台一个新的产品需要塑造一个品牌,而品牌是一种共识,这种共识是有数字化构成。

时下许多企业的数据是处于数据孤岛阶段。大的例如腾讯的 AI 部门有 3 个:腾讯优图、AI lab、腾讯云;对于 AI 本身来说这种组织架构是不利于 AI 赋能的突破的,需要做的是统一的数据仓库。

以腾讯为例构建统一的数据仓库,开发一套数据后台,帮助品牌智能分析人群,实现预估、推荐,投放及投后分析全链路打通,并沉淀品牌专属的数据资产。 建立品牌共识需要的是打通 、、腾讯优图、腾讯云数据,建议统一的数据仓库,具体建立数据仓库的细节【例如需求抽象、建模、选择算法等】本文暂且不展开讲述。

未来产品运营中使用至少一种 AI 技术就是美,产品运营中既有数据的知性又充满人格化的感性就是美!

在 AI 赋能新媒体平台的航道上, 理性能让船(成型产品)航行,感性能发现新(将产品引领到新的战场)!

轿车轮胎规格
面包车小型搬家价格
南昌包装厂

相关推荐