《内容算法：把内容变成价值的效率系统》
       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*大化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。

《智能推荐：让你的业务千人千面》
       凡是有app、pc端网站、小程序等的互联网企业或传统企业人员都应该看看本书，这是一本讲解AI智能推荐如何运用的图书，包括智能推荐到底是什么，到底有什么价值，我的企业要不要应用智能推荐以及不同场景应该怎么应用。
       淘宝、抖音、网易云、今日头条，每个人打开看到的商品和信息都是不同的，正是借助人工智能实现了千人千面。其实不单单是互联网内容型平台需要智能推荐，凡是信息匹配需要提升效率的地方，智能推荐都能助其提高工作效率，诸如：打车软件路线规划、外卖软件骑手派单、新产品上市用户推广、翻译文件个性匹配，等等。
       本书主要从资讯、电商、文娱行业来详细讲解智能推荐的应用：
       帮助资讯型企业产生匹配用户需求的个性化内容；
       助力电商型企业在首页推荐、搜索、购物车、push信息等进行个性化设置；
       助力文娱型企业在兴趣推荐和同类用户关联推荐中实现千人千面。
       国内已从增量市场进入存量市场，不论是传统企业还是互联网企业均已进入精细化运营时代，用户时间的争夺战中，智能推荐为我们提供了一种更流畅、更贴合满足用户需求的方式。

目录
《内容算法：把内容变成价值的效率系统》
推荐序
自 序
引 言
Part 01 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：物以类聚，人以群分
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？
编辑、算法与社交，三分天下？
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
Part 02 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

《智能推荐：让你的业务千人千面》
目录 导读 2
推荐序：促进价值实现的技术应用 4
第一章 智能推荐背后的人工智能成长——什么是智能推荐 8
第一节 浪潮中的推荐 8
第二节 智能推荐的本质 10
一、推荐系统能做什么 10
二、推荐系统的运行原理 12
三、推荐系统的泛化场景 14
第三节 推荐已换代 16
第二章 智能推荐大有可为——要不要上线智能推荐 18
第一节 用户时间的争夺战场 18
一、用户拉新 20
二、商业变现 20
三、内容分发 21
四、用户运营 21
第二节 企业的挑战：如何落地 22
一、真的需要智能推荐吗 22
二、影响推荐系统效果的因素 24
三、必须具备的思维 26
第三节 从上线到应用 27
一、自主研发推荐系统 27
二、借力第三方服务商 29
三、三种方式的优劣比较 30
第四节 好的推荐与推荐的好 31
一、离线验证 31
二、在线验证 33
三、用户调查 37
第五节 推荐系统上线过程中的错误观念 37
一、技术尖端论 38
二、机器万能论 39
三、轻视业务论 40
第三章 指尖上的新媒体——智能推荐在资讯场景的应用 41
第一节 内容与人的连接者 41
第二节 小屏幕大价值 43
第三节 指尖上的诚实 45
第四节 楚门的世界 46
第五节 谁成就了标题党 48
第六节 保住“新闻”二字 49
一、设置推荐池有效日期 50
二、实时推荐 50
三、推荐系统的加权体系 51
四、突发、热点新闻实时匹配 51
第七节 推荐密集与兴趣探索 52
一、合适的多样性 52
二、实现多样性的处理方式 53
第八节 首席质量监督官 55
一、“垃圾”内容的标准 55
二、怎么做好内容审核 56
第九节 通往内容变现之路 57
一、内容也是生产力 57
二、探秘“小红书” 58
三、内容变现推荐——跨数据类型推荐 60
四、为什么通过内容向商品引流是有效的 64
第四章 上岗的“机器导购员”——智能推荐在电商场景的应用 65
第一节 电商的“看不见的手” 65
一、四种电商平台 66
二、首页的推荐 68
三、商品详情页的推荐 73
四、购物车推荐 74
五、类目页（列表页）个性化排序 74
第二节 画鬼容易画人难 75
一、用户画像应用场景在营销 75
二、推荐系统中的用户画像 76
第三节 评价推荐的标准 78
一、结果一般是系统运营带来的 78
二、不同场景的测试指标 79
第四节 搜索也要个性化 81
一、电商平台搜索的四个时期 81
二、实现个性化搜索 82
第五节 实时喜好与长期兴趣 85
一、电商的行为收集特殊性 85
二、召回、排序的特殊性 86
三、结果展示层的特殊性 89
第六节 个性化PUSH 90
一、push消息的定义、分类和作用 90
二、如何提高push推送的打开率 91
第五章 风口上的文娱推荐——智能推荐在文娱行业的应用 94
第一节 扎堆的短视频平台 94
一、兴趣个性化推荐 96
二、人的个性化推荐 99
第二节 算法推荐白盒化 100
第三节 新用户看什么感兴趣 105
一、用户冷启动 105
二、物料冷启动 107
三、系统冷启动 108
第四节 社交中的智能推荐 108
一、人的推荐 110
二、内容的推荐 113
第六章 智能推荐的未来 115
第一节 技术的发展曲线 115
第二节 智能推荐的非互联网应用 118
一、智慧门店 118
二、组织效率提升 119
三、政务服务更便民 121
四、更智能地辅助决策 121
第七章 AI智能推荐技术概述——如何实现智能推荐 122
第一节 数据的时代 122
一、推荐系统需要计算哪些数据 123
二、如何采集这些数据 125
第二节 推荐算法 126
一、基于神经网络的文本语义推荐算法 127
二、基于协同过滤的推荐算法 130
三、基于用户行为的深度学习模型 132
四、基于关联规则的推荐 133
五、其他更多算法在推荐系统中的尝试 134