今天，和一个朋友谈到产品模型的设计，有所启发。
本大大纲：
1. 什么是模型？
2. 设计、建立模型的目的是什么？
3. 模型如何设计并建立？
1. 什么是模型？
先来看一下百度词条关于“模型”的定义：人们依据研究的特定目的，在一定的假设条件下，再现原型（antetype）客体的结构、功能、属性、关系、过程等 本质特征 的 物质形式 或 思维形式 。
从上述定义中，我们提炼关键词：
(1). 依据某个特定的目的；
(2). 以某种物质形式或思维形式呈现的客体的本质特征。
那么，在产品经理的实际工作中，可能经常需要涉及到建立某些形态的模型，例如，内容评分模型、内容PK模型等等，而本质上，这些模型都具备以下特点：
(1). 虚拟模型，用户不一定可见；
(2). 模型背后都融合、掺杂复杂的算法和规则。
2. 模型的作用
既然模型对于用户不可见，那对用户的作用有哪些呢？
以内容评分模型、内容PK模型为例：
(1). 内容评分模型
我在《内容与评分》中 我的产品笔记：内容与评分 - 简书 阐述过 评分对用户选择内容进行消费的作用和意义，这里不再重复。
那么，内容评分模型的最终目的是：促成用户对内容消费，提高内容消费的转化率。
(2). 内容PK模型
无论是资讯、短视频、小说、动漫等，如今内容的数量众多且质量参差不齐，那么，我们同样需要一个内容PK模型，其目的是让更优质的内容获得更多的曝光和流量，例如赛马，头部的马总能一骑绝尘，但若没有好的训练，再好的赛马也无法发挥最大的能量。
3. 模型如何设计并建立？
这里不再重复内容评分模型的设计，今天在这里简单介绍下 内容PK模型 的设计和建立。
以 小说内容PK模型 为例：
在设计并建立模型之前，我们首先要弄明白一个问题：即 模型的输入和输出。
(1). 什么是模型的输入和输出？
模型之内，其实是包含着复杂的算法和规则。那么对于模型来说，可以把他比喻成一个 中转站 或 加工点，既然是加工和中转，它的两端就一定有输入和输出。(类似于传统的加工作坊，上游一定有原材料的供应方，而下游可能面向顾客或其他下游程序)
内容PK模型的输入是：内容的标签、分类、字数、评分、该内容的用户数据 等等；
内容PK模型的输出是：内容的质量等级、受欢迎程度(热度、人气等)、内容的流量支持等级 等等。
(2). 从结果反推
明确模型的输出需要达到什么样的目的，从结果反推我们需要什么样的“原材料”，例如内容PK模型，我们想要的结果是 根据内容当前受欢迎的程度来合理分配其流量。
那么，在这个模型中，输入端我们就需要：该内容的用户数据、评分、字数、分类等等。
(3). 对输入条件进行筛选
既然输入条件有多个，那么还需要我们定义条件的优先级或权重，即什么条件是主要的，什么是次要的。对于内容PK模型的输入条件，显然 内容的用户数据 更为重要，包括内容消费人数、平均消费深度等等。
(4). 模型内部的设计
有了输入条件、输出目标后，就需要去设计模型内部的规则和算法。以内容PK模型为例，内部算法可以是按照 输入条件的权重进行设计，例如根据内容消费人数、字数两个条件组合设计规则：
* 内容消费人数＞10000人，且字数＞100万字，则内容进入A池；
* 内容消费人数＞10000人，但字数＜100万字，则内容进入B池；
* 内容消费人数＜10000人，但字数＞100万字，则内容进入C池；
* 内容消费人数＜10000人，且字数＜100万字，则内容进入D池；
在划分好内容池的优先级后(A＞B＞C＞D)，在前端页面可根据流量位置为其分配。
细心的同学是不是发现了一个问题？随着内容的持续曝光，内容的消费人数实际处于一个积累的状态，会带来一个问题：即最终所有的内容都会进入A和B？（第5点解答）
(5). 建立模型、不断优化调整
模型的设计和建立，并不是一朝一夕、一蹴而就的事情，而是在模型初步建立完成后，还需要观察数据、用户反馈等等，根据反馈结果不断调整、优化模型的规则和算法，以达到最佳、最平衡的效果。
例如上述问题，最终内容会进入A和B，那怎么去调整呢？
我们还需要在模型中增加规则，例如对数据统计增加时间维度，如过去7天的数据总和。在增加规则后，实际上，每天，所有的内容都会在A/B/C/D中流转，从而达到了内容池的流通。
南山南 | 10年移动互联网从业经验，资深视觉设计师、高级产品经理
“如果天赋不是与生俱来，那么更应兢兢业业”。
