保护隐私同时，内容推送该如何做？

随着某平台因违规收集隐私数据而受到处罚的事件后，互联网行业将越来越重视用户隐私问题。以往违规隐私行为也将不复存在，那么在用户隐私管理越来越严苛时，应该如何推送用户感兴趣的内容使其完成内容消费，实现平台的高转化率、让效果最大化。

一、抓住新用户

如今流量红利逐渐褪去获客渠道相对局限，大部分新用户从某些特定渠道进入后，仅仅只是知道产品，但并不了解产品。

新用户并未产生任何有效数据，因此无法推算其喜好，想要打动新用户就需要增加他的内容阅读数量与质量，从而提升内容与喜好的命中率。因此在阅读质量提升的基础上增加阅读数量，关键在于屏效提升。

1. 高密度-提升内容浏览量

通常用户在浏览前三屏时转化最高，但是因为屏幕尺寸是有限的，想要快速转化，就需要增加用户在单屏下的内容浏览量。结合单屏视觉密度增加，同时内容信息承载量也会随之提升。针对的单屏视觉密度优化，可以通过简化内容、调整卡片间距、优化信息结构等方式达成。

2. 短路径-缩短浏览路径

新用户浏览路径较短，不容易接受相对复杂的浏览路径。如果使用深度用户的浏览路径，新用户很难完成复杂操作，极易中断浏览。因此针对新用户通过将路径较深的金刚位二级、三级业务列表，调整在首页一级列表中进行展示，采用简单的Tab横划操作，直接缩短浏览路径。

3. 有效性-聚合同类内容

当用户对某类内容感兴趣时，相似的内容也会容易被用户关注。为了方便用户能够快速浏览全局范围的同类内容，减少用户的搜索成本，将平台中相似的同类内容进行整合以专题、话题、圈子等形式，形成有效的内容聚合板块。

二、建立用户画像

1. 开启个性化推荐服务

根据用户隐私协议，用户可以自由开启、关闭个性化推荐服务。推荐服务主要包括平台内收集使用位置、浏览记录、互动记录等信息。当用户开启个性化服务后，就会建立用户画像。

用户画像就是将用户标签化，随着用户使用产品的不同阶段，结合使用深度，会逐步增加他的标签属性，一步步精准画像内容。

2. 建立标签库

用户标签主要由基础标签、行为标签两类构成。

基础标签：就是用户的基础信息，由用户的位置、职业、使用习惯等标签组成，内容较为固定。

行为标签：则与用户使用产品行为相关，包括用户的浏览记录、浏览量、浏览时长、互动率等动态行为，同时随着用户行为转变所产生的标签信息也会产生变化。

3. 建立推荐能力

当原始数据搭建完成后，就可以从0到1逐步推进推荐能力的落地。推荐能力能够接针对用户以往的行为偏好，对用户感兴趣的内容进行强化、放大，帮助用户深化相关内容，做到同类内容、人同类群互相关联。

三、改善“愚蠢”的智能推荐

虽然用户画像支持了“千人千面”的推送能力，但推送结果并非智能。主要有两大问题，一是推荐内容与用户喜好的匹配不高、二是推荐内容越发局限，降低了用户对多元化信息的浏览造成产品内容局限意识。

1. 反哺

推荐结果想要做到与用户喜好完美匹配，还是需要回到用户中去，由用户自由控制内容推荐方向，结合用户自身喜好干预推荐结果。

正向反馈是用户的喜好体现，使用场景比较清晰，包括点赞、关注、收藏、评论等行为。而负向反馈属于用户兴趣变化的结果对体现，随着用户喜好的改变在一段时间后，推送内容已经不能满足当前喜好，用户已毫无兴趣，甚至已经厌烦。

此时用户就可以通过屏蔽、过滤等方式将此类内容在推送中减少或消除。结合用户的正负联动反馈，完成推荐结果矫正，提升推荐内容的精准度。

2. 多元化内容推荐

智能推荐容易造成内容类别单一，用户对某类内容不断点赞、就会不断推送形成闭环，最终导致该用户在平台所看到的内容似乎一样，内容维度会越来越窄陷入其中。因此需要权衡推荐结果与其他内容占比，适当加入多元化的优质信息，帮助用户开拓视野。

四、总结

伴随用户增速减缓，精准推送才是提升转化的关键。同时合理收集、使用已授权的隐私内容，在保障用户信息安全同时合理根据用户使用深度的不同阶段，进行内容喜好匹配。

初期可以通过增加内容浏览数量、质量获得用户好感，并以建立用户画像为目标。中期需要依据初期积累的用户画像数据，进行内容精准匹配提升用户粘性，后期应避免内容局限性为用户拓展更多维度内容。