今日头条
热榜阅读体验探索
内容资讯赛道的饱和，迫使同类竞品相互抢占份额，从用研结论看，新闻用户一般同时下载了多个资讯应用，因此只有发掘自身的差异化优势，才能在竞争环境中保持份额，如微博正是凭借强关注关系和丰富的娱乐内容，成为了主要的资讯产品
我们前后投入了近两年多的时间，结合头条内容和用户生态，在以下四个方面展开了深入的探索，逐步打造了有差异特色的消费体验
打造有头条特色的新闻消费体验
垂类高热内容的分发
从兴趣热榜到垂类榜
用专题引导用户日常看热榜
热点专题分发探索
通过评论分发激发用户活跃
搭建热榜评论氛围
适合长图文生态的交互方式
落地页消费形态探索
垂类高热内容的分发
从兴趣热榜到垂类榜
从垂类内容切入
塑造头条独特的热榜优势
作为通用信息平台，头条内容生态以丰富的垂类为特色，但垂类高热内容的需求未能充分满足。若能以贴合用户习惯的方式优化分发，将成为热榜的差异化优势。为此，我们对榜单排序和产品形态进行了深入探索。
从榜单排序说起
早期热度排序仅参考全局热度
阶段一
时间切片 i 内的
展现量总量
各时间切片 i
展现量加权求和
热度系数
包含时间衰减系数
人工加权系数等
缩放参数
对数平滑处理
时间切片 i 内的
展现量变化量
新鲜度系数
包含时间衰减系数
人工加权系数等
sign函数
根据展现量增减
区分正负处理
各时间切片 i
展现量变化量
加权求和
缩放参数
对数平滑处理
原榜单公式较复杂，部分内容以相近数学原理方式简化展示
如何通过推荐排序，保证内容真实、及时、优质
选用近 24 小时 PGC 发文展现量计算
从源头保证内容和排序可信
24小时内的 PGC 发文，直接过滤了旧闻和虚假内容，从源头上保证内容的可信和新鲜；展现是用户最低成本的阅读行为，其数值最能反映平台内容的传播趋势，也是推荐算法分发主要参考的数值，两者结合能形成正循环，进一步促进高热优质内容的分发
通过累计量和变化量，区分热度和新鲜度
两者加权既能反映总体趋势，又能体现近期趋势
热度选用展现量累计值，通过加权各时间切片的热度总量，反映总体热度；新鲜度选用展现量变化量，并通过 Sign 函数将增减行为区分正负，进一步反映动态变化；两者加权，热度权重相比新鲜度更高，使得近期有一定总体热度，且呈飙升趋势的内容更易上榜
分多个时间切片统计，并按时间衰减系数加权求和
兼顾整体趋势同时强调近期变化
避免单条内容极端霸屏
除缩放参数后，统一对数平滑处理
不同热点事件数值差异较大，尤其在大热点事件期间，内容数值过大容易导致霸屏，因此在热度和新鲜度的计算中，展现量数值均需要除以缩放参数，以将各数值统一尺度比较，并放入对数函数中平滑处理，削弱较大数值的优势，保证内容多样性
敏捷可控的人工参数
适应多变的事件状况和业务需求
热度和新鲜度权重的数值中包含了人工可调的参数，可以根据业务需求，将单个事件灵活提权降权；归一化处理的参数也可以人工调整，在重大热点事件中，面对极端数值，进一步提高参数对内容灵活去重
从实际效果看，头条榜单的计算方式
在上榜速度和内容去重上相比竞品有优势
以韩国戒严事件为例，国会宣布解除戒严后几分钟内，对应内容已登上头条热榜前列，同时相关内容并未造成霸屏
相同时间下的微博热搜，榜单上依旧是陈旧的内容，并且相似内容大量占据榜单，影响阅读体验
头条以大盘热度为主的计算方式
虽然保证了榜单内容的公信力，但导致垂类高热内容往往难以上榜，内容过于严肃单一
头条原有场景
无法满足垂类高热内容的消费诉求
丰富的垂类内容是头条的一大特色，优势的垂类如体育、国际、军事在端内均有可观的消费渗透；但这些垂类下的高热内容在推荐、垂类频道、热榜等主要场景均得不到较好的呈现
推荐
侧重个性化
热榜
侧重公共性
时效性相对弱
高热内容经常淹没在信息流
时效性强，但榜单计算大盘热度
垂类高热内容难上榜
用户实际对热榜的
介于公共性和个性化两者之间
内容诉求和阅读习惯
用户一般先总览扫视榜单，然后从中挑选感兴趣内容以点击查看
「挑选」的动作可以借有推荐算法完成，进一步提高筛选效率
通过兴趣热榜
一站式满足热点消费诉求
并尝试更高效的分发方式
内容上，既包含站内主要的高热内容，同时补充用户感兴趣领域下的垂类高热内容；交互方式上，单独榜单一站式满足用户热点消费诉求，并通过推荐算法，降低内容筛选成本
阶段二
兴趣热榜排序保留大盘热度
引入垂类热度和用户兴趣权重，兼具公共性和个性化
大盘排序和用户兴趣分计算方式相似，但各自参数有差异
加权大盘排序和用户兴趣
单个榜单满足用户全部热点内容需求
大盘排序保证了原来总榜上的高热内容得以展示，保证了一定公信力；纳入用户兴趣分，则将垂类领域下高热内容，按照用户兴趣补充进入榜单，增加了个性化；两者结合打造一站式的热点消费体验
针对性调参，适应垂类内容生态
但实验数据结果并不符合预期
兴趣热榜贴合了用户的阅读兴趣
但形态上违背了用户心智，导致留存下跌
我们前后投入了近几个月的时间优化排序和算法，并以最高分发权重展示兴趣热榜。从实验数据来看，榜单的点击次数和人均时长均显著提升，表明垂直领域的高热内容能够有效贴合用户兴趣需求。
热榜频道的次日留存率出现了小幅下降。通过对流失用户的深度访谈，我们发现用户认为千人千面的榜单削弱了其公信力。此外，由于产品形态与推荐的呈现方式过于相似，两者的边界被模糊，继而加速了用户的流失。
兴趣热榜下线，复盘用户阅读习惯：
即使是不感兴趣的在榜内容，用户依然有知情的需要
用户在榜单上先扫视榜单，再从中挑选自己感兴趣的内容点击查看，此前我们认为，用户不感兴趣的长尾在榜内容是冗余的，但从用研访谈看，用户对于这些内容依然有知情的需要，扫视榜单不仅是为了挑选自己感兴趣的内容，也是了解其他站内网友的热门关注，新闻产品的「真实性」不仅体现在具体新闻内容的可信度，也体现在榜单排序方式上的公信力。
回归千人一面，调整以多个垂类榜分发
重新强调内容公信力
阶段三
从消费和供给生态上入手，挑选优势垂类
手动剔除了时效性弱的垂类（如历史、读书），按消费和供给两个标准挑选优势垂类：消费上参考站内垂类频道的渗透数值，供给上参考个性化推送的内容候选量，即该垂类下每日有足够多的新鲜内容推送
总榜为主，垂类榜为辅，按梯度满足用户阅读需求
用户可以先通过总榜，掌握全局热点动态；再通过垂类榜深入兴趣领域的高热内容，了解与自己兴趣相关的用户正在关注什么。
公共性和个性化的重新平衡
垂类榜的计算方式和总榜相同，各垂类榜单按用户兴趣权重排序
垂类榜最终贴合了用户习惯
实验上线后频道核心指标正向
吸取兴趣热榜经验，各垂类榜单的排序规则千人一面，在保证榜单排序可信的前提上，转而根据用户兴趣向用户推荐榜单，保证权威性同时，满足了个性化的内容需要
垂类榜转化了更多的滑动用户，同时带来了频道时长、榜单点击次数、高活用户留存等指标的微弱提升
总榜排序增加垂类热度
扩充内容多样性
阶段四
随着垂类运营资源的深入，垂类高热内容越发优质，我们认为这些内容可以进一步丰富榜单内容多样性，因此在总榜排序中引入垂类热度，将过往由运营人工提报加权的流程，转而由排序完成
按各垂类权重，加权求和总垂类热度分
各垂类不同的权重参数
重点提权优势垂类
部分优势垂类如军事、财经等，进一步提权垂类参数，使得热度稍低但优质的垂类内容得以上榜，扩充榜单内容多样
各垂类加权求和
兼顾多垂类热点事件
部分热点事件可能横跨多个垂类领域，加权求和更能反映事件的真实热度，进一步扶持内容上榜
有效扩充榜单内容多样
新的总榜排序公式实验期间，尽管核心指标均波动，但结合我们对内容的主观判断，适当的垂类内容可以缓解总榜单一的社会时政画风，扩充用户视野，随着垂类运营的越加精细会取得数据收益。
用专题引导用户日常看热榜
探索专题的分发方式
精细运营的专题
结构化展示热点脉络
专题是运营手动编辑的热点体裁，通过预判用户需求，递进展示信息。相比算法聚合的落地页，专题更结构化，脉络清晰，帮助用户在复杂的热点事件中快速理清来龙去脉，是头条热榜有差异化的内容优势
落地页
专题
什么是热点专题
带筛选功能的时间轴
多机位直播直击现场
设问和回答
概览多元观点
早期主要迭代内容组件
满足精细化的内容运营需要
阶段一
分发上依赖推荐
用户容易随着热点事件消退流失
重大事件并非每天都有，在推荐频道分发能够更灵活应对，同时带来最大的曝光，进一步带来可观的拉活量，但由于缺乏稳定的入口，难以沉淀用户资产和使用习惯，用户也容易随着事件热度的消退而流失
确定业务目标-提升频道渗透
开始探索专题的分发方式
常规形态：专题上热榜
阶段二
专题分发的挑战：内容更新和用户回访的矛盾
专题内容上榜
相关事件的落地页
展示专题入口
专题通常只有在有更新时才进行分发，以避免影响实时内容的呈现。然而，用户即使在专题没有更新时，仍希望能方便地回访，以检查事件是否有新进展。尽管我们设计了关注功能，但由于访问路径过长，依然收到不少相关问题的用户反馈，这是专题分发中棘手的问题
在推荐分发专题入口极为不稳固，相比之下，专题在热榜分发，按照和其他事件相同的规则计算榜单排名，入口能随着热度在榜单上保留一段时间，给短期回访提供了更稳定的入口
将大热点事件的拉活收益日常化，培养潜在新闻用户日常看热榜的习惯，可显著提升头条DAU。为此，我们设定了频道渗透和反转收益为中间指标，通过端内推送、优化热榜内容和分发效率展开探索，在专题分发上，我们尝试强化专题和热榜的关联性，进一步培养热榜心智
针对大热点事件
头部海报入口，更稳固的分发方式
活动入口如
袁隆平逝世悼念专题
大热点事件
多个专题的海报入口
头部海报入口的分发权重较高，展示时间更长，为用户提供了相对稳定的回访路径，然而点击率普遍较低，可能由于入口内容缺乏动态变化，吸引力不足；同时，这种形式与营销广告入口过于相似，进一步削弱了点击意愿
针对时间跨度较大的事件
尝试内容动态更新的稳定入口
疫情数据
奥运奖牌榜
阶段三
在全民性、且时间跨度较长的热点事件期间，我们尝试了结构化的入口，动态变化的信息显著提升了用户的点击意愿，并且从反转实验看，它微弱地提升了频道的渗透，是一个能有效培养用户日常看热榜的手段
在频道分发热点专题
培养用户日常看热榜的习惯
阶段四
默认选中总榜
分栏展示热点专题
头部分栏目的形式，让用户能在进入热榜频道后，一眼扫视就能知晓当前大事，逐步培养主动浏览热榜的习惯，同时，频道当前页直接消费，既减少了跳转成本，也进一步强化了专题和热榜的关联性，相比在推荐分发，提供了更稳定的回访入口。
配合频道换名，推荐专题入口直接进热榜等手段，能更有效引导用户在热榜深度阅读，转化深度用户；方案上线后，带来了频道留存，阅读时长等指标的正向收益
通过评论分发激发用户活跃
构建热榜评论氛围
头条以 PGC 长图文为主
评论氛围是明显短板
头条长期以推荐为主的分发方式，导致作者的人格经营意识较弱，加上PGC长图文为主的高发布成本，导致用户生态偏消费，DAU投稿率较低；相比之下，微博以强关注关系分发，形成了人格化的作者生态，并进一步带动了活跃的社区氛围
两种构建 UGC 氛围的模式
社区平台模式-用人拉内容
挖掘种子用户，激励发布优质内容，继而带动普通用户讨论，适合同类话题的深入讨论
头条新闻的内容话题多样，并且有时效性，要短期内生产优质的讨论，缺乏稳定的人群来保证内容生产，因此我们主要在分发上探索，尝试通过具体的内容来带动评论氛围
资讯平台模式-用内容拉人
挖掘高讨论度的话题，通过加强分发，刺激该话题下的潜在讨论用户发布，提升UGC 观感
资讯平台模式更适合头条
从内容挖掘到分发
持续探索热榜 UGC 生态
初期，我们尝试通过算法引入互动参数，为高讨论度内容加权上榜，但由于高讨论内容多为猎奇，上榜后用户点击次数略有下降。随后，我们以运营挖掘提报为主。这一过程让我们意识到，在互动生态尚未成熟时，单纯强化末端分发效果有限，因此转向从源头构建UGC生态。
早期形态照搬微博
但和头条发文生态水土不服
和微博不同，头条以PGC为主的内容生态导致普通用户对微头条接受度较低，而在发布去向上，普通用户的评论和专业作者的内容混排展示，增加了用户的发文压力
微博-短图文体裁
头条-短图文体裁
修改评论体裁
沿用头条用户更习惯的交互方式
阶段一
我们将微头条改为评论体裁，并将评论入口调整为详情页底部固定样式，点击后锚定评论区，独立分区区分专业内容与普通评论，上线后单 PV 发文量有较大提升
增加低成本的互动方式
激发用户参与
阶段二
表态
点击表情对事件表态，表情由运营针对事情配置，但表情不如文本具体，情绪抒发效果有限制，点击渗透低，并且影响了内容的呈现导致时长降低，后续下线
投票
由运营编辑投票问题和选项，比表态更具体，整体点击渗透效果较好；在用户投票后，我们曾经尝试在评论入口出Tips进一步引导用户发评，但引导效果有限
对评论的发布和消费转化效果有限，但提供了更丰富的互动方式
召回详情页评论
通过评论数量，刺激用户发评
阶段三
通过模型过滤出与原文强相关的评论，聚合到落地页展示，同时保留查看原文的入口，确保上下文逻辑连贯。方案上线后，自然发评量显著提升，并带来了评论消费时长的微涨
为什么用户更倾向在详情页评论
而不是落地页？
将详情页的评论聚合到落地页
并保留查看原评论入口
按照先阅读后评论的顺序，评论场景主要有以下两类
分别对应两种️不同的解决思路
将详情页消费
转变成落地页消费
将详情页评论内容
聚合到落地页
落地页评论数偏低
用户对事件热度存疑
将评论区改为评论入口后，虽外露了评论数量，但落地页仅统计该区域的评论数，即使详情页评论数过万，落地页评论数仍然很少。用户习惯通过评论数判断热度，容易对热榜的真实热度产生怀疑
针对原文内容发表评论
用户在详情页消费具体原文内容，评论多集中于此，而落地页以筛选为主，发评内容不够具体
对评论内容的二次讨论
出于从众心理和延伸讨论，详情页较多的评论内容进一步激发了二次讨论
优化评论排序
通过优质评论，激励二次讨论
对于热点事件，我们认为鲜明的观点可以起到举一反三的作用，带动用户发布，在评论排序上，借由模型和人工审核，将观点区分为「有观点评论」和「无观点评论」两大类，并将「有观点评论」加权展示，进一步提升了自然发评量和评论阅读时长
阶段四
新的想法
进一步强化评论多样的观感
刺激评论发布和消费
尝试更轻松的评论消费体验
IM对话样式包装评论内容
受阶段四「评论观点多样可进一步激发用户发评和消费」启发，我们尝试将大众点评的评论分类应用到热点评论场景，针对讨论度高的事件，用模型分类观点，并且在头部评论区罗列观点的概述标签，点击标签可以看该观点下的评论，这个方案可以让用户直接一眼能感受到评论区的观点多样
模拟实时对话的形式，不仅拉近评论双方的距离，有效降低用户的发文压力，也进一步强化了用户对评论内容实时的感知
后续由于业务调整，并未实际落地
但不失为一次有价值的探索
适合长图文生态的交互方式
落地页消费形态探索
落地页早期形态沿用推荐样式
但不合热榜阅读场景
推荐以筛选场景为主，热榜落地页以消费场景为主，从用户研究发现，对于事实内容，用户倾向简单了解即可，而长图文阅读压力较大，容易劝退用户，同时长图文的标题相较事件标题，信息增量有限，交互操作繁琐
用户点击热榜事件进入落地页，预期直接消费内容，但首条内容相比事件标题，信息增量有限，需再点一步，操作繁琐
低成本实验试水
落地页当前页消费值得一试
我们通过低成本实验验证了频道点击事件直接进入首条详情页的效果。结果显示，单PV落地页时长略有下降，但榜单点击条数明显提升。结合过往实验数据，榜单点击条数对频道留存的影响更为显著。
各体裁适配当前页消费
从详情页消费转变到落地页消费
首条文章：人工撰写摘要
覆盖榜单前十名，且首条内容是文章的热点事件，考虑内容安全摘要由人工撰写
微头条：点击当前展开全文
视频和直播：Wifi自动静音播放
当前页消费提升了消费效率
并带来了数据收益
方案上线后，榜单页面的点击次数增多，时长整体波动，可见用户一般看新闻的时间是相对固定的，阅读效率的提升，方便了用户有余力阅读更多样的内容
后续业务调整
AI 工具浪潮下
搜索成为头条业务重点
热榜业务策略调整
头条 AI 搜索成为了近期在图文赛道突围的机会，为了提升用户对搜索更明显的感知，热榜业务并入搜索，落地页向搜索筛选场景过渡，部分设计细节已有所调整，创作侧开始了更激进的发布引导，引导用户沉淀资产，原发评体裁重新改为了微头条，并尝试通过话题页进行全局分发，开始了新的探索路径
