产品推荐的内容Low？
对于内容推荐的一个常见误解是：推荐系统是会趋向于低质量、趋于Low的内容。
直观做出判断很容易，深究这一判断背后的原委却并非易事，那么下面让我们来仔细讨论一下。
一、三问内容质量
既然说内容质量低，那总得有个标准吧，这就引入了第一个问题：
什么是内容质量好？
当我向朋友提出这个问题时，往往会陷入短暂的沉默：是啊，对于食品，我们有诸如保质期、配料成分表、制作工艺等方面的要求；对于衣物，我们有型号、材质、洗涤方式的规范；对于内容，这种非标准化的手工产品，是否也存在一套类似ISO9001的标准可以衡量呢？
幸亏身边有纸媒的前辈，让我得以请教纸媒对内容的衡量标准。对于其所在的报社，对优质的内容衡量标准如下：
受众角度：读者关注面广，在社会上引起较大反响，为报纸争得明显的效益或荣誉，获普遍好评的热点、焦点新闻稿；
策划角度：富有策划、创新意识、极具冲击力和感染力的报道；
深度角度：分析透彻、有独到见解的深度报道
题材角度：重大独家新闻、重大调查性报道
“较大反响”、“深度”、“重大”、“普遍好评”，我们不难发现上述标准多为难以量化的描述性用语。除了第一条站在受众角度：“读者关注面广”、"较大反响”，我们尚可以用阅读量、转发量、评论量等数据指标度量外，第二到第四条都是从创作角度出发，属于主观判断的范畴。对于特定垂直行业来说，行业资深从业者或许有资格能够进行内容深度与否的判断。对于平台来说会涉及多个垂直行业，可能我们只能以频道编辑建制的方式来解决这个问题了。
大众说好，专家也说好，“叫好叫座”大概是好内容最理想的终局，一如触乐网的那篇文章《在三和玩游戏的人们》。
在达成好的共识之后，进一步的问题是：
如果专家不叫好，这样的内容是否应该被过滤呢？
未必！
在看过爆米花电影之后，我有翻豆瓣电影看影评的习惯。可看完影评之后常常会让我自惭形愧：明明自己觉得还不错的电影，为啥在影评人眼里变得满目疮痍，充满了各种各样的问题呢？自己觉得还不错的桥段，在影评人眼中分明是陈腔滥调，缺乏创新与深度。
在猫眼电影工作的朋友用一番解释让我释然：“你是观众视角、影评人是专业视角。专业的判断跟大众的喜好通常会存在认知背景的偏差，在技法上有改进待改进的内容并不意味着缺乏受众。一如范雨素的爆红，从文字技法上她的内容一定是有缺失的，但是对生活的记录触动了许许多多人的心。”
假使交由特定群体来判断，或许永远无法产出如“快手”这样的产品。同一段小视频、你看到的是“残酷底层物语”，他看到的则是生活的延展。
在头条上，同样有这样的账号：农民王小。用影像直白的记录生活，记录老妈做饭、记录姐姐姐夫给爸妈送米面油……视频的艺术性？连我这个外行都觉得谈不上。但就是这样的账号，已经累计了38万的粉丝，每一条视频都有几十万次播放，上千次评论。评论中的老粉丝甚至已经记住了姐姐的职业是教师，在祝贺教师节快乐。
这样的内容，我们怎么评价？它也许不能称之为“好”，但也绝对不至于被定位为低质和low。正如鸡蛋与石头的冲突中，我们或许首先应该倾向于鸡蛋。如果加之以过度专业化的过滤，或许这样的内容将永无出头之日。
那就回归到最后一个问题：
什么样的内容是低质的，应该被过滤？
内容质量判断存在主观性，并不意味着我们丧失了对内容质量的约束。借由大量的案例分析，我们能够抽离出一些客观指标，也能达成一些平台审核层的主观一致标准，以较少争议、控制误伤量的方式来给出 “内容质量差、不宜传播”的标准：
从真实性上：歪曲事实、虚假信息等
从阅读体验上：无意义内容、错别字连篇、文不对题、语句不通顺、掺杂广告等
从价值引导上：不正确的价值观导向、煽动对立情绪、低俗色情等
我猜想这也是快手上对特定内容作出干预的原因，记录也许无罪但未见得适合传播。在“明确的低质内容”的底线之上，作为平台方或许应该对内容和内容创作者保持足够的宽容。
二、为什么会觉得推荐内容Low？
其一、推荐准确性问题
一方面，每个人的认知程度是不同的，如果一篇内容是低于我们认知水平的，那我们一定会觉得它质量一般、内容偏Low。就像知乎的Live产品，不管好评度怎样高的讲座，总有人会给出中评或差评：“太Low了，没啥干货”。另一方面，我们对某些内容存在个人偏见。比如，有些人认为郭德纲的相声是 “三俗”的，有些人觉得八卦新闻就是不好的等。如果推荐不能很好的匹配用户的兴趣偏好或是认知程度，都会让用户产生内容Low的感觉。
在冷启动阶段，由于缺乏认知，推荐并不能很好的刻画用户的兴趣画像。为了最大化的实现用户冷启动阶段的留存目标，必然会从大众化和基础化的热门角度切入，大众化的内容必然是与部分用户的认知水平存在差异性的。从而，让这部分用户产生了低质的感觉。
随着用户的点击动作、阅读表现、关注行为的积累，基于用户聚类和用户偏好作者的信息，推荐不准的情况能够一定程度的缓解。比如你常看虎嗅、36KR的内容，不点击娱乐内容或很少看完八卦新闻，系统会大体上知道你的调性，不再推荐你不感冒、觉得Low的娱乐八卦。
推荐更难解决的是认知水平的问题。系统基于文本分析确定了内容分类，可能会推荐一篇质量平平的科技分析给一个重度的科技用户。在这种情况下，用户还是会觉得内容过水，从而对推荐产生微词。
其二、用户反馈问题
先讲个真实的段子：
一日聚餐，席间A君说你们这个不行啊，老是给我推娱乐八卦，应该多给我推一些行业观点、深度分析之类的内容。
B君道：好好好，把你的用户ID给我，我查询下看看推荐算法是不是有什么问题。
半晌，剧情反转。
B君朗朗道：“下午1点半，刷新一次，给你推荐了3条行业资讯、2条体育资讯、一条娱乐八卦，你点了娱乐八卦。
下午2点半，刷新三次，你点击了一条行业资讯，三条娱乐八卦。
下午3点，刷新……”
众人相识爆笑、终结谈话，定论：“本我超越了超我”。
想象一下，在一篇八卦和一篇深度分析出现在同一屏里，你会做出怎样的选择？站在马斯洛需求模型的金字塔前，本我制造了足够大的需求。你对一篇娱乐八卦的点击，很有可能是本能驱动的下意识行为。更多的点击娱乐八卦又给了推荐系统对于此类内容更强的反馈信息，从而增加此类内容的推荐。如果从推荐系统的点击预估角度来看，更接地气的内容超过高大上内容几乎是必然的。
消费八卦的确帮助你打发了时间、制造了欢愉，但却在你偶尔的“超我”自觉自省中，对这种内容推荐做出了很Low的判断。就像那一个个夜里，你一遍遍跟自己说要早睡，却一次次刷着王者荣耀直到深夜。
三、更平衡的产品设计
尽管推荐技术存在一定局限，尽管用户反馈总是会表现出泛娱乐化的趋势，但一个理想态的产品应该是不仅以点击导向，仅唯短期数据的，我们能够做出的产品设计不应该止步于此。
假使我们在点击一篇内容重复度很高的娱乐八卦和点击一篇行业深度分析之间，倾向于认为后者更有价值的，那就需要找到更好的方式来衡量一次阅读的价值，从而引导推荐系统的分发流程，比如：
内容稀缺度：越垂直的内容越稀缺，小类目下的内容点击可能比大类目下的内容点击更有价值
作者角度：每个垂直赛道都会跑出有广泛知名度的内容品牌，他们的内容可能更适合广泛传播。某些用户会对订阅来源更加敏感，那就需要放大作者的相似度降低内容的相似度。
阅读行为：阅读行为仅仅是一种独乐乐，点赞、评论都代表了对于内容更感兴趣，分享则意味着你愿意为之传播和背书，可能意义更大。
不同角度的分析给我们提供了量化点击价值的方式，让那些我们更偏向的内容有可能获得更多的曝光量和展示量。现实的角度来看，内容供给和内容消费一定会是金字塔结构，越基础层的内容越会具有消费规模。但作为理想的现实主义者，我们或许可以在可控的范围内，去尝试点击率和理想态的平衡。