《内容算法》是一本由闫泽华著作，中信出版社出版的平装图书，本书定价：58.00元，页数：2018-4-30，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《内容算法》精选点评：

　　●选择感兴趣的题目看，还挺不错的。顺便归纳了营销上市场的适应变化。开拓眼界深入事件。

　　●只有内容 没有算法

　　●作者对内容的生产和智能分发实战的不错

　　●准备6月内用思维导图画一个读书笔记

　　●适合公众号作者看看，怎么作弊、怎么做号、怎么提高流量

　　●对这方面内容蛮好奇的。

　　●首先，作者花了不小篇幅介绍内容推荐引擎的设计理念与运行机制，给出了大致的理论框架和一些关键点的细节处理。其次，作为基于自己内容产品经理的角色谈了如何来经营内容平台，以及他对好的内容的看法。最后，是关于内容自媒体的，涉及内容传播与变现、活动运营、数据分析等。整本书内容基本来自作者作为一个资深从业者的思考与经验总结，贴近实际，颇有借鉴价值。书中介绍了不少只有内部人才能看到内容行业和自媒体的玩法，我们作为旁观者看着挺热闹，作者却解读出了不少门道。无论是做内容的还是投广告的，这本书都值得好好读读。

　　●适合不了解推荐系统和自媒体的新人入门，偏基础常识。以互联网的发展之快，图书出版周期之长，同领域可以看些更专业更有深度的书。

　　●入门读物

　　●泛泛而谈，早几年看可能收获更大。

　　《内容算法》读后感(一)：不是算法

　　全书分两部分，前半部分主要面向策略产品，推荐产品，普及内容推荐的基础知识，算是内容消费角度。后半部分是内容运营，算是内容生产角度。书不难，讲得比较浅显易懂，对于算法的介绍并不多。非常适合产品，运营或内容相关从业人员。尤其是在一讲到推荐就是各种协同算法，衡量指标的书偏多的情况下，这本书算是一个独特的角度。而且书中的一些例子比较新，也接近中国互联网，便于理解。值得选取阅读。

　　《内容算法》读后感(二)：一本不错的策略产品入门书籍

　　正式接触产品工作之前，以为产品就是做APP。首次实习接触产品工作，发现产品分类如此丰富。对于C端交互有些迟钝的我，似发现新大陆一般。

　　回到这本书，这是一本很不错的策略产品入门书籍，介绍了很多搜索推荐的逻辑和运作方式。书籍前半部分相对通用，后半部分更加针对平台和用户之间的关系，例子可以很好地扩展视野，当前前提还是感兴趣。如果跟自己当前的工作或者未来的目标联系不大，也大可跳过。

　　《内容算法》读后感(三)：内容算法——怎么推

　　对于初创产品来说，我们作为推广运营，首先明确以下几点

　　1、过市场调研的方法找到用户痛点，提出解决方案

　　2、根据用户需求，做好需求分析；迅速完成原型，做好设计，快速开发，做好产品测试，保证用户体验

　　3、同时建立自媒体通道以及构建增长体系，为种子用户和后期运营打基础；

　　4、获取种子用户，跟踪并做好意见反馈，做好数据分析，不断改进和提升产品体验。

　　本条干货知识转自推广人学习交流网站——“怎么推”，更多运营推广干货，请搜索一一一怎么推。

　　《内容算法》读后感(四)：名算法 实推荐

　　算法，乍一看好像是研发的范畴

　　通过编程的手段连接产品运营以及用户

　　将用户想要看的东西展现给用户，同时随着用户行为的无声回答，一点点完善

　　使得用户看的东西越来越接近本身的口味

　　也可谓之调教。

　　书中没有晦涩难懂的算法知识，因为作者的出身是一名产品经理，也带些运营性质

　　前半段对推荐机制的简单剖析，浅入浅出，简单易懂，让人并不会陌生

　　推荐的例子 YouTube 和 Netflix ，比较贴切吧

　　接着对标签、人群、场景等概念的划分，还是比较有意义的

　　还有冷启动、推荐密度，这些都是内容推荐需要深入考虑的话题。

　　到了书的下半部分

　　与其说是下半部，不如说只是拼起来的内容

　　内容质量不算差，但是主要是一些自媒体，运营和优化方面的叙述

　　所以可能不太符合看这本书的初衷

　　但作为一个有经验的笔者，对这部分内容的描写也能给新人一些启发和帮助

　　虽然书是两年前的，但是一些核心点放在今天也不算是过时

　　值得闲读

　　《内容算法》读后感(五)：信手一评。

　　这是业内人士讲算法比较深入系统的一本书了。无论在技术原理还是产品应用推广层面都值得一看。当然它适合的人群非常广泛，包括自媒体运营者、产品经理、互联网从业人员，但我格外感到，如果你是个高知人群，对算法推荐常持批判态度，那这本书对你可能更有些特别的趣味。

　　比如说，你在听音乐时发现在猜你喜欢栏目被推了“lost river”,而发出“我到底是做了什么”的感慨，看了这本书你会知道，算法不能停留在对你的已知，那样它怕留不住你多变的心，它必须去大胆探索你心灵的蛮荒地带，那里可能是你自己的意识都不曾到过的地方。

　　推荐是特定场景下人和信息更有效率的连接。如果作为用户的你想享有更有效率、更贴心的推荐系统服务，与其挑刺，不如不吝表达和互动，去“训练”推荐系统。让算法不断在断物识人上更强大，更精准。

　　在看本书前，我也曾担心算法系统会把我们局限在信息茧房中，但实际上用户选择永远都是更贴近自身偏好。书中最这一段的解答可谓是全书最精彩的一段论述了“那些持续表示担心的人，本身就是多源信息的消费者，希望看到多源信息的渴望用过了他们看到不咸兴趣内容的不悦，而被担心的人，本身就不曾有信息多样性的焦虑，乐得在自己的小圈圈里打转。这就形成了一边有人大声疾呼，一边有人甘之如饴的局面：担心的人不曾被过滤，被过滤的人不曾担心，进一步，对那些担心的人来说，他们跳得出算法分发，也跳不出社交关系分发；跳得出社交关系分发，也跳不出自己的认知选择边界。“茧房始终存在，真正过滤你的，是你的认知泡泡”，

　　归根结底，我们都只是被投喂数据的动物。