导语｜本文主要分享QQ音乐在内容理解和精细化运营方面的一些实践和经验，副标题是推荐系统的精细化调控，本文主要围绕一些显性的、具可解释性的一些数据驱动方法在内容精细化运营场景的应用。

本文作者：billxia，腾讯音乐数据科学家

本文主要分为5部分：第1部分会介绍业务背景、总体解决方案和收益，第2~4部分分别介绍内容理解、运营中台、投放系统的具体实现方案，最后做一个简单的总结和展望。

01. 背景与方案

1.1 背景

QQ音乐作为一个以PGC内容为主的一款产品，编辑运营的内容占据了用户消费的很大一块流量，运营的诉求是多种多样的：比如新歌运营，重点流派运营（像国风、说唱、韩流等），以及综艺影视歌曲、热点事件或热点歌曲艺人、重点节日或活动的运营等等。

一方面，我们传统的运营手段是通过左边这张图中的 音乐馆 tab 里面的各个入口进行人工配置的，它存在的问题是：

1）比较依赖人工，甚至有时候需要7*24小时处理；

2）入口众多且比较分散，基本无法联动；

3）运营的标准差异较大，缺乏数据反馈；

4）能够展示的内容较少，主要聚焦与头部艺人的内容，没法对海量长尾内容做扶持。

另一方面，我们的推荐系统有很好的数据和模型驱动，也占据很多用户的流量，如右图中推荐tab的图所示，但是它没有运营可介入的抓手，而且也存在以下的问题：

1）太过于聚焦短期的数据表现；

2）内容策略的实验和调整成本太高，比如多加一个召回通路做扶持这个过程还是很漫长繁琐的；

3）对新冷的长尾内容不够友好，虽然也有一些内容冷启动的方案。

总而言之，就是运营需求多样化和运营工具手段缺乏的矛盾，以及内容运营缺乏数据驱动和精细化的能力，是我们面临的两个很重要的问题，这严重阻碍了我们对优质内容的扶持和宣发。

为了解决这两个主要问题，我们参考业界特别是一些广告投放系统的思路，并结合我们内容运营宣发场景做了一些创新，接下来是我们解决方案的主要思路。

1.2 解决方案

我们解决方案的整体目标是，在保证当前用户体验的前提下，通过精细化运营使流量收益最大化。这里用户体验主要是指推荐场景下用户的完播、时长、次留等核心体验指标；而流量收益则包括我们运营的内容的播放份额提升、用户时长的提升，以及通过扶持音乐人的优质作品，吸引更多优质音乐人并创作更多优质作品等。

具体的思路是分3步走：

• 首先是内容理解，也就是建立一套科学的、完备的内容价值评估和挖掘体系，达成对重点内容的“知而善用”和潜力内容的“伯乐识马”；
• 其次是内容扶持，基于科学的内容评估和高效的宣发能力，实现重点内容的扶持目标，保障流量分配的平衡和流量价值的最大化；
• 最后是智能宣发，构建以实时数据表现为正负反馈的智能宣发投放系统，接入多个中心化和个性化点位，获取最优的宣发收益

整体的技术框架如上图所示：

自底向上是一个内容甄选的金字塔，最底下是完整的曲库，经过一些版本、时长、流派标签、上架状态等条件的过滤，到我们的基础内容池。对这个基础内容池，我们区分中头部内容和长尾内容，分别进行内容的价值评估和潜力挖掘。

内容价值评估的结果，主要通过内容运营中台，作用于个性化的排序阶段，提升待扶持内容的排名，通过点位流转后，用户反馈的数据又回到内容价值评估当中，形成一个数据驱动的闭环。

内容潜力挖掘的结果，主要通过精准投放系统，以精准匹配的方式直接触达到用户，同样的也通过实时收集用户反馈，对投放任务进行实时的流量调控，形成另一个数据驱动的闭环。

随着QQ音乐全面个性化的不断深化，个性化的流量已经远超中心化流量。下面以个性化场景为主线（也是我本次分享的副标题——推荐系统的精细化流量调控），来看下以上解决方案在各个推荐模块中的调控方式：

• 内容价值评估和潜力内容挖掘主要作用于内容准入和召回阶段，增加内容的多样性；
• 内容运营中台主要作用于排序阶段，作为排序模型的重要特征或直接作为排序分中重要的因子；
• 精准投放系统则主要作用于重排阶段，强插在推荐结果中给到用户。

从左到右，推荐内容候选集的大小越来越小，而本解决方案对流量的干预程度越来越大。

通过这些调控，我们不仅没有损失用户体验，还在各方面都有一些提升：

• 比如我们内容评估和挖掘使得准入歌曲数提升了10%以上，并且作为排序特征也使得人均时长和完播分别提升了10%、20%以上；
• 而通过内容运营中台，我们使得音乐人等重点内容在推荐点位的播放占比相对提升超过47%以上；
• 在投放系统中，内容的平均完播也是高于各自点位的平均完播的。

02. 内容理解

2.1 概述

在内容消费行业，一个常见的现象是：少数头部的内容占据大多数流量，而尾部很多的内容占据了很少的流量，比“二八定律”会更为夸张，头部内容的数量就如图中冰山之一角，可能只占据了5%~10%，但这部分内容却占据了90%~95%的流量。

在这个大的背景之下，分摊到每一个长尾内容上的用户反馈数据非常稀缺，我们很难获取到高置信度的用户反馈。更加雪上加霜的是，我们每天还有大量新上架的内容，这些冷启动内容的价值评估也是我们面对的难题。

我们解决这些内容质量评估的整体思路是“分而治之”：

• 对中头部内容，使用用户反馈数据为主
• 而对长尾内容，则结合稀疏的用户反馈以及内容本身的一些属性来挖掘和探索
• 对完全冷启的内容，则只通过音频、歌词等内容本身的信息来理解和挖掘了

据此，我将我们内容理解分为三大块，接下来重点介绍其中“价值评估”和“潜力挖掘”的部分，每一个部分又会分为三个小的方向进行介绍。