3. 合理利用应用商店推荐算法
应用商店的推荐算法开始从传统的“用户找应用”转变为“应用找用户”成为可能，常见的推荐算法是TOP-N、Trending、基于物品的协同和基于用户的协同。
资料参考闫泽华老师的《内容算法：把内容变成价值的效率系统从算法到应用》。
- TOP-N：排名靠前的热榜推荐，在召回序列的头部结果中优中选优。eg.榜单
- Trending Now：推荐短期热点，周期性消费或者突发热点。eg.搜索页的“大家都在搜”、热点卡
- 基于物品的协同：确定用户喜欢的物品，推荐相似物品。eg.某些卡片的推荐理由为“根据XX应用推荐”
- 基于用户的协同：找到与该用户某方面口味相似的人群，将这一人群喜欢的物品推荐给该用户。eg.某些卡片的推荐理由为“文学爱好者看过”
推荐卡片、推荐图文和短视频的精细化运营：
- 推荐卡片：从人出发，设想场景、用户群体、兴趣爱好等维度下对物（应用）的需求，把人与物联系起来，组织成应用卡片。设想人在某个场景下可能需要什么，如用户在通勤时间不方便看，更希望通过听来获取资讯，如喜马拉雅FM、每日英语听力、36Kr等。设想某类细分人群的需求，如为宝妈群体推荐宝宝知道、亲宝宝等。设想兴趣爱好者的需求，如为摄影爱好者推荐一甜、马卡龙等。
- 推荐图文：图文的特点是长内容，适合深度介绍，主题可选应用特色功能，对同类应用功能进行比较，功能教学等。
- 推荐短视频：在短视频的情境下，更多是视频内容与应用之间的映射。
作者：一步两步，*瞎学瞎看
本文由 @一步两步 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自 Unsplash，基于 CC0 协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
