1、內容的重點程度，決定了審核的側重點如何分配。

以知乎為例，知乎的審核應該以機審為主，在發現一些問題之后（如機審異常、有人舉報等），再介入人工干預。但一個新聞發布系統，則新文章需要經過相對嚴格的人審，對于評論則通過機審即可。再以淘寶為例，淘寶也可以假擬為一個UGC網站，商品上架偏重于機審、人審為輔。

一般而言，機審和人審都需要具備，海量數據以機審為主，人審為輔；少量數據則可投入更多的人審。機審側重于一些可衡量的因子，如違禁詞、內容長度、spam。

2、審核不是目的，只是手段。

需要通過額外的體系，刺激用戶發布不違規的內容，以體現其在站內的價值最大化。如網站的ranking、首頁曝光、用戶社區虛擬價值等

最后說一下，機審系統在技術層面不復雜，它的核心是需要建立一套怎樣的審核規則（可能多個審核環節組合），以及詞庫的不斷累積運營。

核心：用戶自身是關鍵，要放權給用戶，別想著軟文什么的都站方去監督，你只要培養出用戶舉報的習慣就好了。另外通過培養“真實分享”氛圍，鼓勵發布上身圖實物秀購買記錄什么的這些手段很有用，基本可以杜絕軟文。

移動互聯網UGC中，如何讓用戶發布的內容不淹沒在海量內容之中？如何排序這些內容？

在移動互聯網時代，有一些應用可以查看所有用戶發布的內容，比如墨跡實景可以查看全城用戶發布的實景圖片，查看附近的微博可以看到附近的海量微博內容。

那么如何讓一個用戶發布的內容不會瞬間淹沒在timeline海量的內容之中？

如何排序這些內容以篩選優質內容產生在用戶面前？

web時代，類似于論壇你發的帖子可能瞬間被時間排序淹沒，web可以使用版主、管理員可以推薦、置頂內容，但現在移動時代用這種純人力的方式好像不太實際。

在理想的情況下，當參與排序的評價體系足夠多元化，個性化的時候，合適的內容就會在合適的時間出現在合適的人的面前。

比如一條微博，用戶可以按發布時間排序（關注新進展/事件源頭），點擊量排序（瀏覽熱度），可以按評論數排序（討論熱度），可以按評論的被回復數排序（更精準的討論熱度），可以按參與討論的人數排序（問題覆蓋面），可以按參與討論的人和我之前參與討論的問題的交集大小來排序，這就產生了很多評價的參數。目前的推薦/展示，大部分是前幾種的單獨運用。

其實還有一種更復雜的運用，復雜到我現在也沒有做出一套原型，現在僅能把思路跟大家討論下：為這些參數設置不同的權重，并根據用戶的瀏覽記錄調整修正。例如一條微博發布后有1000的基礎分，每隔1小時減100，每次瀏覽+1（閱讀全文），每次評論+5，每次對評論的評論+8，每次引用+10，有后續報道的話雙方按20%的權重共享分數……最后按總分對N小時之內的內容進行排序（N取決于用戶之前的瀏覽習慣）。

這套體系參數很多，更麻煩的在于為各個參數合理分配權重是需要大量用戶數據支持的，也許我忙完手頭的項目后，會有時間（！！）把這個算法細化下做個測試，暫時這還只是個想法罷了。

傳統的推薦手段已經不能解決這個問題了。

原因如下：

1、可推薦的位置總是有限的，而用戶渴望獲得“存在感”的需求卻是無限的。

2、傳統推薦手段容易造成資源的浪費。如推薦給用戶的內容，用戶不感興趣，而那些用戶感興趣的內容卻沒能推薦給用戶。

目前比較行之有效的方案是：個性化推薦！

根據用戶的地區、年齡、性別、職業、語言、學歷、標簽，甚至是其瀏覽記錄，來判斷哪些用戶喜歡哪些內容，用戶之間誰可以成為朋友。然后通過算法進行個性化推薦（常見有內容推薦與好友推薦兩種手段），讓用戶找到那些與他志同道合的人，建立關系，討論話題。

技術與產品驅動的運營，非傳統人力運營。題主應該要的就是這種吧。

如今許多社區產品都會引導用戶填寫個人資料，個人標簽等之類的信息，就是如此。因為這對產品運營來說，是非常重要的。甚至后期的廣告精準投放，都要依賴這個。

最近也遇到了類似的困擾，目前仍沒有找到合適的解決方案，無法做回答，就說說我的一些想法吧。
     

先冒昧的精簡下題主的問題：

問題：移動互聯網UGC中，如何讓用戶發布的內容不淹沒在海量內容之中？如何排序這些內容？

補充描述：那么如何讓一個用戶發布的內容不會瞬間淹沒在timeline海量的內容之中？如何排序這些內容以篩選優質內容產生在用戶面前？

姑且理解為：

在一個App里，如何顧及到每一個內容生產者（用戶），讓他們產生的內容都可以得到一定的關注？怎么對這些內容進行合理的排序？
     

的確，每個人都渴望得到他人的關注和重視，尤其是在一個群體里，我們希望獲得認同感，成為大群體的一分子。發布內容的用戶也是一樣，如果TA的內容在發布出去后如石沉大海毫無回應，難免會有“為什么我這么用心發布的內容沒人關注”的失落感，所以努力“讓用戶發布的內容不淹沒在海量內容之中”的出發點沒有錯。

但話說回來，只有有價值的內容才需要被創造，而內容是否有價值的評委不再是傳統的編輯人員，是用戶。以最常見的帖子形態為例，剛剛發布時在信息流里按發布時間排序，然后按最后回復時間進行再次排序（有回復的帖會被排到前面，即使是很早之前發布的），信息流里新老交替；再看看微博，為了講求時效性只按發布時間排序（有段時間好像上線了個“智能排序”，不知何時又下線了），但其實也并不僅僅如此，微博的“轉發”功能也可以讓舊內容重新排到前面，比如你在2015/6/25轉發了一條某人發布于2012/3/18的微博，這是不是也是一種新老交替呢？

UGC產品的基本脈絡為：產生內容——分發內容——圍繞內容互動，而現在我們要解決的是中間的“分發內容”的環節，常見的解決方案上面已經很多朋友說過了，就不一一贅述了。信息數量大、更新快，用戶很難在有限的時間內從信息海洋中獲取自己想要的信息，對用戶Timeline 的梳理，把優質內容呈現給用戶，是個快速獲取有價值信息的一個好辦法。但到底到底什么樣的信息才算是優質內容？才是用戶想要的？從各種維度根據算法來做智能推薦？個人覺得這個誰說了都不算，只有用戶自己說了算，也就是說排序規則的制定權到底該給誰，產品運營方制定規則，你按我的來就行；還是交給用戶自己做決定，我想優先查看哪些內容，這才是最大的爭議。 

我們終究是生活在現實世界的，而網絡世界的行為準則與現實世界逐漸趨于一致。舉個不恰當的例子，這就像是看病，我們萬萬不可因幾篇介紹某種新治療手段（算法）的文章就對該療法心生向往，以為有了它，就有了解脫/治愈的希望。對于采用何種治療方式，還是要由醫生（產品團隊）根據自身（產品）的具體情況來做診治。

弱化時間線。優質內容會自動浮出水面。太多的產品都重視新聞，新的內容，而忽視那些陳舊有價值的東西。搜索引擎能找到有價值的東西，但是需要用戶自己去挖掘。很多時候用戶又不知道自己要什么。這時候推薦引擎出現了。

垂直化的UGC推薦更好做一些，除了時間線以外UGC產生的內容應該由用戶決定到底是不是值得推薦，用戶注冊之初便進行一次信息搜集和組織，引導用戶更多的去與內容互動

本文由姑婆那些事兒原創，轉載請注明出處！

大家都愛搜：ASO 校園推廣 地推

       姑婆那些事兒（www.3377on.com）是互聯網推廣運營知識分享平臺，關注移動推廣（android，ios）運營，網站推廣運營、校園推廣及互聯網領域最新動態 。歡迎關注我們的微信（gupo520），新浪微博（姑婆那些事兒）。

本文由姑婆那些事兒發布，轉載請注明本文出處，并附帶本文鏈接，違者必究。