近两年来，伴随着BAT纷纷涌入自媒体平台，自媒体发展可谓迎来爆发。自媒体平台火爆起来是从今日头条异军突起而引发的。它是一款基于数据挖掘的推荐引擎产品，为用户推荐有价值的、个性化的信息，是国内移动互联网领域成长最快的产品服务之一。推荐引擎也将迎来高速发展，针对推荐引擎的优化技术也将会迎来新的机遇。
本书作者从事推荐引擎相关的内容分发相关工作，在书中对内容推荐系统进行了介绍，书的最后，介绍了自媒体如何利用平台的内容推荐系统实现流量最大化，并进而实现收益最大化。
目录
内容目录
Part01 关于内容推荐
走近内容推荐
推荐系统架构初探
YouTube 和 Netflix 推荐架构参考
基于推荐架构的优化启示
推荐的起点:断物识人
断物
识人
推荐算法:人以群分、物以类聚
物以类聚:基于内容属性的相似性推荐
人以群分:基于用户行为的协同过滤
从算法到应用
场景划分
推荐系统评估指标
连接内容与人
冷启动
兴趣探索
自媒体与平台
常见的推荐问题
推荐重复
推荐密集
易反感内容
时空限定内容
带着偏见看推荐
信息茧房
推荐会导致 Low?
三分天下?编辑、算法与社交
面对推荐系统
人机大战:效率与目标之争
数据分析驱动产品迭代
个性化的好 与 好的个性化
Part02 关于自媒体
好内容为什么没人看?
自媒体的数据分析
他山之石:BuzzFeed 简介
内容阅读分析
粉丝增长分析
自媒体运营
内容快销:标题党的二三事
推荐平台优化:从 SEO 到 REO
粉丝运营:新时代的新问题
全平台运营:从小作坊到 MCN
自媒体变现
变现入门:平台分成
广告变现:品牌的溢价
自营电商:隔行如隔山
内容付费
缘何付费，规模几何
内容付费平台展望
· · · · · ·
伴随着国民总时间概念的兴起，互联网巨头纷纷布局内容行业，以争夺用户时间。作为内容生产者主力的各类自媒体也如雨后春笋般涌现，在内容创作、内容变现等方面做得风生水起。与此同时，基于算法的内容推荐分发技术得到了越来越广泛的应用。今天，至少有4亿中国人通过算法获取内容，国内创作者群体半数以上流量来自内容推荐系统。
通过算法实现的推荐技术基于用户历史数据和行为，推测用户意图，推荐合适的商品和内容给终端用户，显著提高了用户的点击率和留存率。随着用户的个性价值越来越被重视，内容推荐分发技术势必会得到更普遍的应用。
内容行业资深从业者、今日头条前资深产品经理闫泽华，在《内容算法》一书中，通过大量生动的案例，图文并茂、深入浅出地分析了当下主流的推荐算法及其利弊，介绍了推荐分发系统相关的知识，同时对自媒体如何实现优质作品传播以及自媒体数据分析、运营与变现等进行了深入解读，有内容、有深度、有态度，无难度。
对于已经开始或希望从业于内容推荐领域的产品经理，或是期待从内容平台获得更多红利的媒体人，本书不容错过。
