怎样评估小红书广告推广中投放的 Feed 信息流效果？

一、feed 流的定义

Feed 流的确切定义众说纷纭。通俗来讲，小红书广告推广 Feed 流是不断更新并展示给用户的信息流广告，它广泛存在于各类 APP 中，字节跳动的抖音便是凭借 Feed 流崭露头角。

小红书的 Feed 流如下图所示：

通过此图，想必大家对 Feed 流有了初步的认识，下面谈谈我所理解的 Feed 流：Feed 流的关键在于“个性化推荐”，小红书广告的两个核心要素是内容和用户，其实质是用户与内容的匹配，是“信息找人”的呈现形式。

总之，为 Feed 流产品给出一个定义的话，那就是：通过特定的策略，从海量内容中筛选出部分内容，经过排序后展示给用户。

二、Feed 流的生命周期：从产生至效果评估

Feed 流旨在从众多内容中为用户找出其最喜爱的内容。那么，它是依靠何种策略产生的，又该怎样进行优化呢？接下来探讨一下 Feed 流从生成到优化的整个流程。

Feed 流的产生，遵循策略制定的四个步骤：问题（目的）、输入、计算、输出。具体而言，是这样一个过程：

为了实现“为小红书广告用户展示感兴趣的内容”这一目标，输入一系列的指标，进行逻辑运算，最终输出令用户满意的 Feed 流结果。

除了“逻辑计算”这部分通常由 RD（开发人员）完成之外，其余的步骤均是策略产品经理需要思考和完成的。

接下来，我将依照策略制定的四个步骤，逐步阐述 Feed 流是如何产生的。

目的

显然，Feed 流的目的在于从丰富的内容中找出用户最喜欢的部分。

如何找到所需输入的指标呢？

对于这个问题，我们可以从匹配的双方，即用户和内容这两个维度来剖析思考。

（1）从用户的角度来讲，我们需要尽可能多地获取数据，构建用户画像，从而了解用户的特点。

（2）从内容的角度来看，我们需要获取大量、多样且优质的内容，拥有足够的内容推送给他。通过这一系列操作，我们就能明确要为他推送什么样的内容。

细化到具体指标，可以从以下方面考虑：

（1）从小红书广告用户的角度，我们的目标是多维度探寻用户兴趣，可从以下指标入手：

人口属性

从性别、年龄等方面考虑：基于性别与年龄的应用相对简单，其思路类似于数学中的“聚类算法”：检测到用户为女性，就会更多地推送女性喜爱的内容，而“女生喜欢的内容”又是基于其他女性用户的数据得出的。

基于 LBS 定位：可以从两个方面考虑：

（1）一是简单地依据地理位置进行内容推送，若用户在北京海淀区，就会向他推送北京海淀区相关的内容；

（2）二是结合地理位置进行城市层级划分，例如北上广、一线城市、二线城市等，检测到用户处于二线城市，就向他推送二线城市用户喜欢的内容。

过往行为

（1）过往搜索行为：用户之前搜索过“美食”，接下来就会推送美食相关的内容。

（2）过往点击行为：用户在 Feed 流中点击“科技”相关内容，侧面表明用户对科技更感兴趣，所以更多地为用户推送科技方面的内容。

其它可获取信息

（1）例如手机型号信息，若用户使用的是 iPhone，可推测用户对 iPhone 相关内容可能感兴趣，从而向用户推送 iPhone 相关的内容。

（2）以及结合具体业务情况，其他能够获取的信息。

从小红书广告内容的角度，我们的目标是获取大量、多样、优质的内容，从这三个维度也可以采取多种措施：

构建社区生态，通过鼓励措施增加用户生产内容的数量。

多样

（1）通过内容运营，鼓励用户生产多种类别的 UGC 内容。

（2）为用户展示的内容不仅限于兴趣匹配，还可以向用户推送：平台热门信息、猜测喜欢的信息等，使推送内容更加丰富多样。

优质

（1）吸引网红、明星等 KOL 入驻，提升内容的质量。

（2）小红书广告主要以图片内容为基础形式，可内置配乐、滤镜、贴纸等美化功能，提高 UGC 内容的质量。

输出

暂且不谈“逻辑计算”这部分，来谈谈策略的最后一步，即输出一个令用户满意的 Feed 流结果。

<

如何判断用户是否满意呢？

这就涉及到 Feed 流效果评估的问题。

一个基本准则是，要评估 Feed 流的展示效果好不好，就要从各个方面进行打分，从而得出该 Feed 流在用户心中的“喜爱度”。

打分规则大致可以从两个角度考虑：一是排序，小红书广告投放中用户喜爱的内容越靠前，就表明该 Feed 流效果越佳。二是从内容本身来看，用户喜爱的内容出现得越多，就说明 Feed 流的分数越高、效果越好。

<

细化到具体的评估指标，可以从以下维度思考：

（1）前 n 个点击量：例如考虑前 10 个内容中，小红书用户点击了几个内容。通过计算占比的值，来评估效果

（2）点击量：这是最为直观的数据。用户点击该 Feed 流的内容越多，表明用户的喜爱度越高

（3）停留时长：小红书广告投放中用户在 Feed 流的内容中停留时间越长，说明用户对该 Feed 流越感兴趣

（4）活跃度：用户点赞、评论、转发等行为

三、Feed 流的优化策略

通过上述步骤，我们初步形成了一个 Feed 流。然而正如一句古训所说，“上线并非终点，而是新的起点”，产生 Feed 流之后，便是不断优化迭代的艰辛历程。

接下来，以小红书为例，咱们探讨一下小红书 Feed 流存在的问题是什么？以及基于此问题，如何对 Feed 流进行优化。

作为小红书的忠实用户，我在使用小红书时遇到的最大问题，便是内容的同质化。

一方面是正常内容的同质化：

（1）从内容生产的维度而言，正常用户由于跟风、模仿等原因，发布的内容愈发趋同

（2）从内容接受的维度来讲，每天推送的内容缺乏新意，只是推送近期、过往感兴趣的内容

另一方面是不正常的同质化：比如某些软广，发布了大量相似的内容。

小红书作为内容平台，内容的同质化显然会大幅降低内容质量，轻则导致部分用户流失，重则削弱产品的核心竞争力。因此，对于小红书广告而言，同质化问题，需要被置于较高的优先级加以考虑。