如何刺激用戶不斷提供高質量內容？

如果將平臺比喻成病人，我們為“病人”診斷、治療有以下幾種方式：

1）打點滴——渠道拉新：療效快，立竿見影，能夠保證新流量入駐，不但可以增加DAU，同時能帶動各業務線數據增長。

2） 吃藥——用戶運營：見效慢，以調理為主，提升用戶留存,增加用戶粘性，從而提高轉化率。

3）手術——內容運營：根除病癥，真正做到強身健體，內容強則平臺強。

而對于一個資訊平臺來說，優質內容是核心中的核心。今天就向大家介紹一個可以刺激用戶，源源不斷提供高質量內容的模型——作者評分模型。

在做模型之前，咱們要想清楚一個問題，作者評分模型是干什么用的？

如果只是為了給用戶打分而打分的話，大可不必做這么復雜的模型，最原始暴力的看PV和UV就可以解決了。我個人理解，作者評分模型分以下幾個作用：

（1）??綜合評價作者（自媒體）

（2）??激勵作者輸出更多更好的作品

（3）??針對作者不同屬性，精細化運營

僅從文章消費角度的PV和UV來認定一個作者的好壞，是一種很片面的做法，因為有些“標題黨”會得到更高的分數。

可以試想一下，標題為《二手特斯拉僅需20萬》的文章，對于想買車的讀者來說誘惑力有多大，但點進去，往下拉，再拉，拉到底下也沒看到在哪里能夠買到20萬的特斯拉，讀者一臉黑人問號的同時，有抄起板磚拍作者的沖動——這就是典型的標題黨。

若僅從PV、UV角度來看，也顯得不那么公平，但如果加上新增粉絲數、點贊數、完度率、評論數等因素綜合評估的話，那么標題黨就不會那么吃香了；再加上反作弊指標，作弊刷量作者便無處遁形。

在講模型之前，我們通過兩個家喻戶曉的游戲（評分模型成功案例），來分析如何刺激用戶提供更多、更高質量的游戲（作品）。下圖和平精英（刺激戰場）及王者榮耀總覽圖，紅框部分為某用戶該賽季的排名或評分。

和平精英總覽圖

王者榮耀總覽圖

兩款游戲的賽季排名以百分比的形式展現，并附有段位的劃分和隊友點贊等，能夠激勵玩家不斷提升自我。

馬斯洛需求層次理論的金字塔的倒數第二層便是尊重，每個人都希望自己努力的成就被別人認可，在尊重得到滿足后，便使人充滿對某件事物的信心，進入良性循環，從而享受在某一領域獨特的價值。

我相信當有人說我這哥們是王者，全服前1%的時候，應該是最滿足的時刻。

和平精英詳細數據圖

王者榮耀詳細數據圖

如果說總覽圖是讓用戶一眼能夠看出好壞，那么詳細數據就是要告訴用戶哪些方面可以提高。這樣一來用戶可以對癥下藥，提升質量。

在游戲里中體現的是更多玩家打出質量局，若在作者體系中，就是輸出更高質量的文章。由以上兩個游戲案列，我們引出今天的主題--——作者評分模型。

模型概述

我先把成品給大家展示一下，讓大家對這個模型有個初步印象，接下來再具體講解細節。

作者評分總覽圖一

作者評分總覽圖二

簡單的講，模型是通過算法頁的不同變量（指標），對作者進行標準化打分，再根據各項指標不同的權重，匯總一個總得分，各項指標可以向下拆分一級、二級或更多級指標。在樣例模型中：

作者總得分=

質量得分*權重1+互動得分*權重2+消費得分*權重3+發布得分*權重4+附加項得分*權重5

有人會問，影響力得分為什么要用開根號乘以100呢，我們先來看一下開根號乘以10，如下圖所示：

令f(x)=sqrt(x)*10，(0≤x≤100)，x為作者總得分，把x經過f映射后，好處有以下幾點：

（1）??f(x)是單調上升的，映射后仍保留原序，保證了公平公正

（2）? f(36)=60，及格萬歲！

（3）??f(x)為凸函數，原分數越低，得到的補償分數越高如上圖，原始分數在20分時獎勵25,原始在60分時獎勵17分，而80分時只獎勵9分

大家應該恍然大明白了，這么做主要以積極鼓勵作者為目的，同時也不改變全局排序，最后在乘10的基礎上稍作改動乘以100沒有別的意思，就是顯得分數更多而已。

欲問我為什么知道此“大法”，要追溯到高中時期的化學期末考試，當時的我慘目忍睹得考了49分，本以為要補考的我，最終被開根號乘10大法拯救，以至于沒有完全放棄對化學這門課程，拿到最終分數的我大喊了一句“開根大法好”！

模型算法

納入評級庫標準：

（1）所有媒體庫中的作者

（2）數據異常無法獲取正確信息的作者不參與評分

打分方法：

（1）各項一級指標、二級指標在0到100分范圍內打分，無及格分數線

（2）對于可獲取數據的定量指標，采用標準化的方式打分；若數據量級相差較大，可以先取對數，再進行標準化（減小量級差異造成的影響）

以文章瀏覽得分為例：

（3）附加項加分，正向指標，如個別數值表現突出，超過預設值的5倍，則給與額外加分，比如點贊數預設上限值為800，當有作者得到4000以上的點贊時，我們會考慮額外加分。

（4）附加項減分，反向指標，當發現有作者作弊時，情節輕者扣分警告，惡劣者刪除作者號。作弊可通過第三方軟件和算法識別出來，反作弊反欺詐會在今后單獨寫一篇文章介紹，下面只是簡單的介紹一下作弊的類型。

1. 用戶IP異常，包括請求次數與地域異常
2. 手機設備被篡改或者安裝高危軟件
3. 存在一個賬號多個設備，或者一個設備多個賬號
4. 特定時間，訪問量出現激增情況

不要小看作弊這件事，這會嚴重影響體系的平衡性，質量差的文章通過刷量占據TOP榜，那么推薦算法就會增加該文章曝光度，讀者便會看到低質量的文章，久而久之，會造成作者與讀者的流失。

權重確立方法 層次分析法（AHP）

層次分析法是一種常見的權重分配法，這里就不多贅述了，想了解AHP算法的朋友可以看一下本人的上一篇文章《如何用更少的錢，帶來更優質的量？渠道質量評估模型|一文通透》，在網上也可以找到免費的層次分析法軟件，非常實用。

簡單的概括AHP層次分析法，就是用科學的方法確定權重，拒絕“拍腦袋大法”。這樣便有了如下圖，一級指標權重。

一級指標圖

二&三級指標篩選（聚類）

1. ??盲選：將根據經驗得到的、現有的備選聚類變量全部納入模型，暫時不考慮某些變量是否合適。

2. ??貢獻量分析：通過方差分析，觀察分類是否存在顯著差異，踢出對模型聚類沒有貢獻的變量。

3. ??相似矩陣分析：輸出相似性矩陣，對相關系數進行分析，若兩變量相關系數接近1，說明兩個變量可以互相替代，踢出一個變量以達到降維目的。

4. ??通過上述3步對變量進行篩選，既能踢出貢獻度較低變量，又將相關性強的變量進行整合，最終輸出相互間屬性獨立的變量。各項二、三級指標的權重也參照一級指標一樣，層次分析法進行權重分配，最終得到指標骨架圖，如下圖所示。

?模型指標骨架

模型指標骨架圖

骨架填充與BI展示

將數據填充到骨架中，再按照自己想看的維度去做相應的BI展示，本文按周和月對作者進行評級，也可以按照日為維度進行監控。接下來的第三章講解模型的應用。

模型的應用

這一環節主要介紹模型的應用。

俗話說得好，不能將模型落地執行的需求都是在耍流氓。

模型好么？好！怎么用？不會！那就是一種資源浪費，數據分析師的價值就是用數據推動業務。廢話不多說，來看一下模型如何應用。

應用場景一排名獎勵促生產

每月對影響力進行排名，根據排名TOP100的自媒體和用戶，按照排名梯度給予額外獎勵，刺激用戶多發文章，發好文章。

應用場景二熱度征稿獎勵

除了一些自由文章外，還需要做活動引導作者發表熱門文章，比如以“國五國六排放標準的汽車如何選擇”為主題的文章，貼合現階段市場行情，更容易吸引用戶的眼球；

還有類似新車搶先評測獎勵，在大多數人還處在購車猶豫階段，一篇新車搶先報可以解答用戶的疑難雜癥。

文章寫出來，我們便可通過模型對用戶進行綜合評價，避免標題黨的情況出現，同時作者也會獲得模型加分項的加分和活動的雙重獎勵，促使作者輸出讀者想要的熱門文章。

應用場景三裂變拉新

文章還能拉新？當然能！其實這里面就用到了互動得分，將模型里互動得分高的文章篩選出來，作為裂變的種子，通過種子用戶進行傳播，達到裂變拉新的效果。

應用場景四

Know your customer，知道你所運營的作者是啥屬性，一般一個內容運營手底下有許多作者，根據模型判斷.

如果作者屬于“沉默是金”類型，出品頻率雖低，但只要出品必屬精品，那就引導作者提高頻率或者轉變熱門話題。

若屬于高頻低質量的“口水文”，那么有必要來一波質量提升。如果是作弊用戶，那就“拜拜了您內，不送！”該應用主要是針對作者屬性，精細化運營。

此模型的優勢之處在于綜合評估作者，而且還能將作弊之人“繩之以法”，在了解你的作者和讀者基礎上運營，必將事半功倍。實際上，該模型的玩法還很多，我們等待更多內容運營大神腦暴，以發揮模型最大價值。

模型的拓展

該模型不只局限于作者評分，還可以做渠道評估、活動評估、用戶質量評估、用戶積分評級系統等等。把相應的指標替換，賦予相應權重，便可套用此模型。

渠道評分模型

用戶評分 示例

至此，整個模型流程已經介紹完畢，后續還有多種分析方法以及策略，在這里只是拋磚引玉，就不多贅述了。最后我們就把今天分析的過程捋一捋：

流程魚骨圖

（1）??模型確立

（2）??納入數據庫標準確立

（3）??打分標準確立

（4）??權重計算

（5）??變量指標篩選與調試

（6）??結果展示

（7）??運營并制定策略

今天給大家介紹的作者評分模型就到這里，文章里埋了個伏筆，就是用戶反作弊反欺詐。

互聯網的作弊行為還是相當嚴重的，如果無法排除這些用戶及其行為，會給模型、運營策略等造成很大的負面影響，錯誤的數據，高效的執行便是災難。今后會和大家分享反作弊心得，敬請期待。

寫在后面：希望這篇文章可以幫助廣大的運營人士，也能夠讓用戶了解平臺運營方式，同時歡迎同行與愛好者一起交流學習，提出您寶貴的意見。