达观智能推荐助力网络文学发展，提升平台运营数据
近年来，我国网络文学蓬勃发展，无论是用户量还是小说出版量，都迎来一大波增长，众多商业机构入局，加速这一进程并逐步向海外发展。
网络文学蓬勃发展，机遇与挑战并重
研究显示，2020年我国网络文学用户规模达4.6亿，如此高速的增长催生了众多的服务厂商和庞大的市场规模。以阅文集团、咪咕阅读、番茄小说等为代表的免费小说平台自2018年来争相发力，逐渐形成以“流量引流+免费内容增加留存+广告变现”的新运营模式。行业市场规模持续增长，2020年达268.1亿元，同比增长24.5%。
然而，网络文学快速发展之际，也面临着许多挑战。
爆款作品与平台风格不符，与用户需求不匹配。目前格局下，网络文学平台的出圈大多依靠爆款作品及王牌作者，但不同平台的风格和用户偏好不同，二者结合才能更好地打造爆款。 单个作品无法保证用户的持续活跃。用户留存决定平台的长期发展和盈利能力，仅凭单个作品的吸引无法保证用户粘性，还依赖平台其它高质量的作品推荐。对用户进行个性化精准运营，推荐满足用户喜好的作品，才能更好地提升留存率。 内容审核耗费大量人力物力，成本较高。网络文学作品的爆炸式增长必然伴随着作品的参差不齐，就行业监管和自身内容质量把控而言，如何在第一时间识别和下架涉黄、不文明、血腥暴力等作品显得至关重要。
达观智能推荐助力网络文学发展
达观智能推荐系统针对上述痛点对网络文学进行了深入分析，助力企业提升用户活跃率、留存率和转化率，细分为以下五部分。
一、结合产品定位，调整推荐策略
平台特质不一，需要分析产品定位来制定和调整推荐策略，如推荐时考虑内容、用户群体、收费模式或关注指标等因素。
对于读者群体比较稳定的APP，可以考虑降低性别因素的影响，而对于性别分布较为均衡的APP，则需要重点考虑性别因素。以晋江网、起点文学为例，晋江网女性读者居多，主打言情和耽美类型的小说；而起点文学男性读者偏多，内容则主打玄幻和武侠。
针对不同的收费模式，不同的平台关注的效果指标也有所不同。达观智能推荐深度挖掘读者的购买行为和收费章节信息，帮助提升效果，例如对于关注时长的APP，更侧重于深度阅读的行为分析。
二、多维度分析作品属性，灵活调配推荐算法
1、分析作品静态信息作品的静态信息包含如类别、标签、作者、标题、是否收费、是否完结等，达观数据可基于以上数据进行智能化推荐，如：
新作品优先曝光：对平台新发布的作品进行推荐，挖掘部分新作品和培养新作者。
构建作者图谱，进行关联作品推荐。达观基于自研的NLP自然语言处理技术可构建物品画像，当读者对于部分作品感兴趣，可推荐该作者的其他作品。
2、分析用户动态信息
动态信息即用户的行为信息，如点击、收藏、阅读、充值、评论等，可分析用户的行为特点和偏好，如对用户点击数量较多的同类别、同题材、同作者作品进行推荐。
三、全方位考虑作者类别，制定推荐方案
基于以往同领域的服务经验，达观智能推荐将作者分为三类：
1、王牌作者，即平台的明星作者。达观智能推荐可优先推荐王牌作者的作品，此类多为热门作品，可最大程度提升用户粘性。另外，若设专区展示，也可进行热门作者的推荐。
2、普通签约作者，即平台的腰部作者，可加大推荐权重，给予一定的支持。根据历史作品的点击数据可反馈作品的受欢迎程度，扩大推荐流量，培养一部分腰部作者成为王牌作者。
3、新晋作者。对于新晋作者可进行小流量试探，使其排序靠前，若数据反馈好则可按情况提高其作品曝光量，避免造成作者流失的问题。
四、读者分析
达观智能推荐将读者分为新读者&老读者、付费读者&免费、读者进行推荐策略的制定。
1、针对无用户数据的新读者可采用冷启动算法，结合热门榜单数据进行推荐，而对于有用户数据的读者则可根据静态信息进行推荐，如对女生推荐的作品偏言情向。
2、针对付费用户可选择性地优先推荐高质量内容，利用用户画像分析，更精细化地运营。而对于未付费用户，在策略上将更偏重转化引导，分析读者的长期偏好，推荐可能喜欢的作品，同时根据相似读者的偏好进行协同过滤推荐。
五、内容审核
达观数据拥有自研的NLP自然语言处理技术，文本审核功能可自动判别内容是否政治违规和情色违规，同时给出违规的严重程度。在作品量井喷时，单纯依靠人工审核已很难满足行业需求，引入达观的文本审核技术，对于作品的封禁和上架管理将大大节省人力和提升效率。
目前，在网络文学行业，达观智能推荐系统已服务过磨铁文学、微鲤书籍、刺猬猫等企业。在客户服务过程中，达观根据平台特性和业务需求不断优化推荐效果，从测试、优化到维护，提供全方位服务。
除此之外，达观智能推荐还广泛服务于金融、传媒、政企、零售、互联网等行业，在各行各业都有丰富的积累和实践经验，助力企业实施精准化运营和提升用户体验。
往期推荐