本文针对刚刚起步、用户数量较少的UGC内容社区，分享两个基于内容流行度的推荐展示规则。同时结合当前几个UGC内容社区案例进行展示。
首先，介绍了社交产品、社区产品、UGC和PGC的含义:
UGC内容社区信息流
以上是Instagram、小红书、即时内容信息流，分别代表了UGC内容社区的三种典型布局模式:纯图片信息流、图形缩写信息流、图形细节信息流。它们在数据层面都有一些相似的特征:
以上述App的内容信息流为例，分享两个基于内容热度的推荐展示规则，适用于刚起步、用户数量较少的UGC内容社区，仅供学习交流。
热随机暴露规则
计划目的:
应用场景:
发现、推荐和探索信息流。
上图是小红书的内容详情页，里面包含了一点赞、收藏、评论、转发等基础数据，所以我们需要获取这些数据设计规则，进行排名计算。如果想让规则更准确，可以考虑把页面停留时间页面跳出率等嵌入数据考虑进去。
热分选
排序规则的判断指标和顺序可以根据实际业务进行调整。
数据过滤
如果没有设置暴露池的最小数量限制，则计算出的数据可能不足，无法饱和填充内容。
通过以上步骤，我们筛选出了一段时间内社区内人气较高的作品数据，其中5天、20%、400可根据实际业务进行调整。
刷新机制
数据返回
保证每一个用户在信息流的每一次下拉操作中都看到随机数据，提高每一部作品在曝光池中的曝光概率。
如果有进一步细化曝光的需求，可以考虑按权重曝光不同人气的作品。比如，在小红书的信息流样本图中，有8155个作品的赞量，有30个作品的赞量。
方案二:历史人气排名规则
节目:根据人气展示内容和排名；
应用场景:热点信息流。
热分选
排序规则的判断指标和顺序可以根据实际业务进行调整。
数据过滤
刷新机制
在目前的移动互联网中，实际应用场景并不多，但在虎嗅、36Kr等少数web产品中，还是能看到影子的。
目前信息流展示策略中，最受认可的是头条系的兴趣推荐算法[/s2/]，但对于普通企业来说，建设成本极高，感兴趣的朋友可以自行了解一下。
以上，欢迎大家指教，期待更多的交流和学习。
本文由@Ethan原创发布。每个人都是产品经理。未经许可，禁止转载。
图片来自Unsplash，基于CC0协议。
