作者：周代云
不知道大家有没有注意到一个现象，在中国很多电商和内容平台都非常聚焦一二线城市，却很少关注三四线城市，然而拼多多的快速崛起让很多互联网及电商平台快速觉醒，要知道，中国三线及以下城市的人口大约11亿，平均每人拥有0.5部移动设备，这是一个规模高达万亿的大市场，拼多多的快速崛起也是依赖这一市场。
在这个下沉市场中，人们的消费习惯、年龄、知识结构都与一二线城市有着很大的不同。以内容输入为主的一站式娱乐内容平台(QTT)也正是在这一点上敏锐发现了市场潜力，从QTT披露的信息就可以了解到，比如广场舞的相关内容在QTT上就非常受欢迎。此前的大多内容平台都是以服务一二线市场人群为主，下沉市场人群的独特内容需求其实一直没有被满足。
内容的触达与技术紧密相关，在QTT的技术总监王志良看来，又了需求就要在技术上实现优化，于是王志良紧紧结合三线及以下城市人群对产品体验的要求不高，对广告的容忍度较高，并且具备可观的流量价值这方面的商业价值开始在平台进行技术上的优化和布局。王志良在对海量内容平台仔细研究后发现，内容推荐一直是流量分发中十分常见的应用方向，如头条的资讯、抖音的短视频、网易云音乐等等，内容推荐对于目前的互联网平台来讲既是机会也是挑战。机会意味微信已经开始探索出属于自己的内容成长方向，挑战则是在如何在庞大的流量上，管好内容的质量输出、推荐服务体验。
凭借着资深的行业经验，王志良在多年前就研究出了基于AI和大数据的内容推荐，设计出了包含内容的引入存储、处理管理，把众多非结构化的数据，或者不同形态格式的内容数据，以统一结构化的形式管理，便于为后续内容识别提供统一的方案；这套方案设计之后，王志良又领导团队在工程端给予性能优、高可用的研发能力支撑，对服务的计算效能、算法模型的推理服务等都需要较强的支撑。王志良还发现，在整套服务中，数据是不可或缺的，对于内容的数据、用户的数据等等，都构筑了以“用户”维度的画像特征，本质上推荐服务把合适的内容分发给合适的用户，那么从数据维度识别用户，就必不可少，而关键的数据就包含用户信息数据（头像、昵称、身份信息等）、行为数据（如当前位置、操作偏好等等）。我们认为我们可以开发一个移动应用程序，让那些在下沉市场和国家的人容易使用，并匹配他们的兴趣。王志良主导设计的这一套具有“病毒式”传播的内容推荐应用程序，可以非常迅速地吸引和保留用户。该应用获得普及之后，在高峰期有超过3000万的日活跃用户，帮助中国的下沉市场和国家的人们进行娱乐。
QTT的内容算法在王志良的算法设计下之所以获得大量的流量支持，也和传统的平台更多专注于大城市而忽略了三线以下的城市网络人群有关。王志良领导QTT技术团队研发的这套基于AI和大数据技术下的内容推荐，把更多精准的内容推荐给了更加需要的下沉市场人群，而且在这中算法的背后，王志良还结合下沉市场人群的心理特点在技术上设计了一些信用点机制来留住用户，并为他们开发了内容推荐算法。
在王志良的这套算法体系下，QTT几乎是中国最早的几家专注于下沉市场和国家的内容平台，在当时出现的时候大大满足了不发达地区人群的信息需求，改变了中国互联网公司的趋势，不仅实现了人群的高度粘合，也为QTT带来了财富量级的提升并于2018年在纳斯达克成功上市。实际上，王志良的这套算法体系不仅在中国境内实用，在国外例如美国也能得到普及，美国可以利用这套内容推荐算法体系去吸引自己国家的下沉客户，从而利用这套内容推荐算法去吸引更多的流量。而这样体系下的流量收入其实大部分都反馈给到了用户，可以让越来越多的用户在平台尝到甜头，对很多行业未来区块链的搭建和应用也至关重要。
如今，整体而言，王志良已经在自己服务的公司搭建了基本的内容推荐服务产品体系，但是在功能完备上，当前还是比较克制。未来，王志良还将放眼整个内容平台的生态服务系统，为公司及客户做到各类的精细化服务，让长期主义一直坚持下去。（作者：周代云）
(责任编辑：admin)
