投稿|书荒的背后：推荐机制的“红与黑”( 三 )
总结一下，每日导读[猜你喜欢]显然用了算法推荐，但是过于简单，或许有利于读者偏好类型中靠后的作品或者新书，但容易让读者产生厌烦心理，也不一定真实反映了读者偏好 。而[编辑推荐]这一栏目，虽然不知道审核标准，但显然门槛有待提高 。
最后，说到阅读体验，“使用过番茄、七猫的小说阅读APP，使用体验非常差，隔三差五就有广告，我更喜欢付费阅读以获得更好的阅读体验 。”胡宇告诉港股研究社 。
免费阅读模式下，平台的盈利主要来自广告业务，对于追求高阅读品质的读者来说，一定程度上牺牲了阅读体验 。
文章图片
付费模式对于追求更好阅读环境的读者来说仍然是首选 。对此，王衡表示：“推荐对于书荒的人来说是一个参考，希望编辑能多推荐一些不在排行榜前列，但很用心的小说 。”
那么，小说平台该如何完善推荐机制呢？
深耕存量，精细化服务读者与作家两端首先，针对推荐算法，港股研究社认为可以参考今日头条的算法 。
在中国人民大学高瓴人工智能学院举办的“推荐算法社会价值与可持续发展”研讨会发布了《算法向善与个性化推荐发展研究报告》 。
其中提高了基于内容的推荐方法：根据项的相关信息（描述信息、标签等）、用户相关信息及用户对项的操作行为（评论、收藏、点赞、观看、浏览、点击等），来构建推荐算法模型 。
[猜你喜欢]的问题在于，观看或者浏览以及读者自己的偏好设置很可能影响过大，导致了推荐过于“精准”，以至于被局限在某个题材内 。
文章图片
来源：《今日头条算法原理》
而今日头条的推荐算法考虑的因素更多更全面，它为“用户对内容满意度的函数”设置了三个维度的变量 。
第一个维度是内容，每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征做好推荐；第二个维度是用户特征，包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的用户兴趣等；第三个维度是环境特征，这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移 。
结合三方面的维度，模型会给出一个预估，即推测推荐内容在这一场景下对这一用户是否合适 。
起点可能要为它的算法设置更多变量，同时根据网络文学的特点为不同变量设置不同权重，以追求达到一个大致的读者偏爱范围 。
这个范围不能太大也不能太精准，投资界有这样一句话“精准的错误不如模糊的正确”，同样适用于此 。太过精确的推荐未必是正确的，也可能会让读者产生厌烦心理 。
有时候，给读者提供一个有边界的模糊范围，既能让读者找到喜欢的类型，也保留了读者尝试其他类别的可能 。
其次，[编辑推荐]作品质量一般反映了很多小说平台推荐的共同问题 。
20多年前，网络小说的出现对资深编辑把持着话语权的“传统文学”造成了巨大颠覆，这是互联网的力量：没有审核门槛，书籍影响力由读者决定 。
但是当下，随着网络文学环境的规范化，三大头部集团：阅文、掌阅、中文在线加上其他互联网巨头下的网络文学平台形成了头部效应，审核的权利与责任再次来到编辑手中 。
推荐阅读
- 投稿|国产剧糊弄不了打工人
- 投稿|Kanye新专辑不上架流媒体，是自发行实验还是割韭菜？
- 投稿|张勇应当另起炉灶
- 投稿|vivo NEX被合并：迟来的“病危通知书”
- 投稿|美团做电商：找对了方向，但走错了路
- 投稿|从小而美到群雄并起，音乐治疗成了一桩10亿人的大生意
- 投稿|谷歌隐私沙盒会毁灭互联网广告吗？我们和业内聊了聊
- 投稿|老板电器踩雷恒大，任富佳如何指挥57岁的董事会？
- 投稿|全球游戏合纵连横，国内巨头“圈地自萌”
- 投稿|猛砸40亿，VC捧热1个4000亿赛道