作者gauin的独立博客，微信公众账号gauinblog。

先破题，内容如何流动，换个方向思考，即你是如何接收到信息的。把内容当做零散的信息组成体，即内容流动问题实则是信息流体系的建设问题。接下来从三个体系的建设，一起窥探内容如何流动的秘密。

层级关注体系

最早接触的社区是康盛出品的dz论坛，用户只能通过主动参与帖子互动后，你才会授粉默认关注了该帖子，然后呢，通过消息系统传送该帖子的相关更新告知与你。

dz论坛还没有将关注体系显现出来，所有的参与帖子然后收到更新推送都是通过后台默认记录进行。这个时期的dz论坛关注体系就是帖子（发起帖子、参与帖子回复、顶贴等互动），即一层关注体系。

百度知道通过用户关注分类和关键词、问题同问，然后在用户个人首页接收到来自这三方面的动态信息，即两层关注体系。（备注：关注分类和关键词，只是范围不同，其实还是属于关键词一类关注体系）

知乎2012年8月改版前通过用户关注话题、问题、人，然后在用户的个人首页接收到来自这三方面的动态信息，即三层关注体系。

关注体系设计的越多，的确更有助于让内容流动。但用户通过个人首页接收所有的信息量，造成信息消费成本增大，大喊悲催和烦躁不安。此时的解决方案是将多层关注体系分权重展示，即权重最高的放到个人首页，其他权重低的通过其他入口展示。

权重高低取决于某层关注体系对内容价值取向的影响力大小。比如知乎2012年8月改版，在个人首页显示关注人的信息动态，话题通过话题列表聚合页展示。因为通过关注人带来的问题内容价值大于通过话题带来的问题内容价值，即信息源颗粒度更小，噪点更低，价值更大。

产品形态：个人首页、频道聚合、消息系统

设计原则：在设计关注体系的过程中，一定要结合自己的产品找到可能多的关注体系，然后根据给你产品带来的价值大小分权重展示。最后所有关注体系中用户参与互动的内容，全部依托于消息系统进行传递。

智能推荐体系

关注体系有别于智能推荐体系，前者由用户主动设置关注信息源产生信息流动，后者由系统生成数据模型的信息源产生信息流动。

智能推荐体系的建立，一般从用户和内容两个维度出发。

从用户出发，可以根据用户行为（赞这个的用户也赞那个）、用户关系（你们有24个共同好友）、用户兴趣（读了这本书的同学也读这些书）等建立推荐体系；

从内容出发，可以根据相关内容（关键词关联的内容）、内容消费（推荐擅长该内容的人）、内容流行（热门内容推荐）等建立推荐体系。

豆瓣根据用户对书籍的看法、品味，寻找相似品味人的书籍；无觅相关插件根据内容关键词计算关联度进行相关文章推荐。严格意义上讲，豆瓣是标准的ugc智能推荐体系的产品。只要是个东西，在豆瓣都能找到东西之间的共性维度，寻找尽可能多的维度建模进行推荐，这点值得我们深挖学习。

产品形态：推荐模块、热度频道

设计原则：社区注定以内容为主体，人的关系辅助存在，不要担心用户之间产生关系哦。内容和用户之间可以交叉组合推荐。

内容组织体系

在ugc产品中用户进行内容组织的过程属于高级行为，非常的有价值。既然是ugc产品，用户创造的内容自然五花八门零零散散，促进用户进行内容组织，有利于内容流动。

内容组织体系的建立，一般从结构化和关注化入手。

从结构化出发，用户将碎片多维度串起来，整个ugc产品的内容由无序变得有序，形成一张有结构的网。用户通过关键词检索，可以找到某个结构单元。解决用户信息获取，促进内容流动。比如下厨房搜索各种菜单。

从关注化出发，用户将自己喜欢的文章放到了某个列表，其他用户无意间发现并订阅关注了这个列表。此时，这个列表通过消息系统形成了另一个关注体系，促进内容流动。比如豆瓣读书豆列。

产品形态：自定义收藏列表、个人主页展示列表

设计原则：内容组织遵循内容颗粒度所属原则和产品相关原则，比如下厨房的单个内容是菜谱，收集多个菜谱就是菜单；豆瓣的单个内容是书，收集多本书就是书单（读书豆列）。寻找小颗粒在现实生活中的所属对象，形成产品形态，最终构成产品核心架构。

结语：

内容如何流动，就是从内容和人的属性上入手，找到信息流动方向和数据挖掘的维度以及内容组织的颗粒度关系。

（若无特别注明，雷锋网文章皆为原创，转载请注明出处)
原文链接: http://www.leiphone.com/ugc-community-product-3.html

《转发到微信！

雷锋网
移动互联网创业和创新

雷科技
汇聚全球面向未来的创新科技产品

爱搞机
玩智能手机就上爱搞机

超好玩
推荐超好玩的移动游戏
超好玩的推荐移动游戏

左林右狸
雷锋网创始人林军、笨狸二人转
负责八卦和无厘头，绝不卖萌！