《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。
●我几乎是几秒钟一页看完的……因为这些都是我曾经的工作内容啊。可以说是很全面，没什么废话的科普内容，我觉得非常适合每一个人阅读了解。
●《今日头条》内容操盘经验。内容推荐系统将成为互联网的必配系统模块。本书质量上乘。
●还可以的入门读物～
●花了整个CNY预热+正式期一口气读完，从一个PM的角度自带吐槽地介绍内容推荐和背后的商业逻辑，尤其是作者头条的工作经历，拆解了许多应用和大号的案例分析真的不怕被殴打么？从信息搜索到内容推荐的迭代，载体的迭代和分发的迭代，在快速迭代的过程中，与其焦虑不如逐浪。特别欣赏作者的金句：大力出奇迹，奇迹有概率。If you can’t measure it,you can’t improve it!
●沉迷于内容分发、不能自拔
●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。
●前半段浅显的解释了什么是推荐产品，后半段完全是烂尾（怪不得知乎市场凉凉）；
●2018年第28本。技术开发出身的产品经理写的书，虽然其实内容中真正涉及“算法”的表述并不多也不够深入，但是挺好的科普扫盲。关于舆论对“头条式算法”的诟病的反击有着很令人击掌的精彩^_^ 值得翻翻。
《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)：内容算法——怎么推
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(三)：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。
《内容算法》读后感(四)：以平台为载体的生产者、消费者模型
读完这本书想到一个模型，“生产者/消费者”模型，在计算机领域 通常需要消息队列来充当消息中间件的角色，生产者负责生产消息 并发送到中间件，消费者负责从中间件消费消息，中间件负责生产者/消费者的通信以及封装具体的通信细节。《内容算法》以今日头条推荐系统为例(相当于中间件)，连接自媒体从业者(生产者)和消费用户(消费者)，通过一套复杂的推荐算法驱动双方的各自的需求，从而实现三方获益(其实会涉及到很多的受益者)。书的内容从 推荐系统的层面和自媒体层面进行分别讲述。
内容推荐：相较于搜索引擎的关键字搜索，推荐系统需要从人、物的角度分别展开 细分至多个维度处理之后在推荐给“个性化”的用户；复杂的推荐规则，“物以类聚，人以群分”，一方面基于内容属性本身的相似性进行推荐，另一方面根据用户的行为识别为同类用户进行推荐；智能进化，跟进用户的行为逐渐的完善用户画像，精准匹配；内容及其背后的ID如何被推荐系统处理和标记，质量的好坏、基础数据评分的积累、用户端/作者端的满意度和留存率，推荐指数等一系列问题展开；同时 在这样一套规则下出现的一系列问题，推荐重复、推荐密集、易反感内容、时空限定内容以及信息蚕房(精准推荐背后带来的单一性)等问题。
自媒体：从初期的内容创造，赢得一定粉丝，然后从运营角度“经营”自媒体，最后到内容变现这一过程；以及近几年的知识付费流行，得到、喜马拉雅、知乎 在这个潮流的洗礼下站稳了脚跟，给大众的选择也越来越多，自媒体人在这样的环境下如何去生存等问题展开论述……
《内容算法》读后感(五)：认识推荐，别忘认识自己
不管你察觉或是没有察觉、愿意或是不愿意，今天但凡是生活在信息世界中的我们，无一例外地正在花枝招展的内容推荐中扮演着独一无二的一角。不论是活生生的专业编辑还是每秒跳动亿计次的晶体管，推荐系统的每个环节都在皆尽其所能服务我，千方百计地去让我更满意，作为搬砖工人这种高光时刻可不常有。
不知足是人类进步的动力，想想对于各种各种得推荐还有太多不满意的地方，就琢磨啊推荐系统到底是怎么运作起来的，我该怎么让它把我服务得更好？
“认识你自己”
我是想问，对于只认识0和1的推荐系统，我们是什么？
我们是一个个实体，被独一无二的 ID 标记，讨论的方面不同，我们呈现出不同的几个个性标签——我们是超多维空间的一个个坐标，在指定的维度投影。
精确地描述出这个简单而没有最佳答案的问题，我们是什么，我们在被关注的领域是什么，是推荐系统首先需要关注的事情。不论是用户冷启动时迫切需要迅速形成画像，还是长久中系统持续追求百分百地懂我（虽说这丝毫没有任何人类需要来操心），获取和处理信息地专业性着实是令人不得不服的；尤其是社交时代越来越注重的社交关系网络，任何一个完全没有人注意的举动可能都暴露了庞大的社交信息——想想集五福和 QQ 那个叫什么活动？贴标签猜人的那个，你的特征被你的好友讲得一干二净了。
那么除却如此被服务的些许无奈和渺小感，还是动动脑子动动手指，对自己的行为负责，帮助系统更准确地认识自己，更快地收敛对自己地评价，享受精心为我准备的推荐吧。
大厂的差劲推荐体验
点名知乎和淘宝京东，顺带网易云（这个可能要求确实有点高）。
知乎是不是完全不懂得什么是内容的时效？不会区分时效长短来对应不同的推荐场景？给我推讲3个月前 iOS 小更新的文章？更何况 iOS13 更新得前所未有地勤快。推王者荣耀文章，S11 ？？？
淘宝京东啊我是真心希望你们再好好研究一下商品的分类学问，有的东西啊它叫高档耐用品，我买个电脑确实代表着我喜欢电脑但也别成天给我推电脑啊，我买个 AirPods 拜托就别再推 AP 了给我推两个保护套吧我准买。
网易云最近发现一点用着不大爽的地方，推送音乐推送视频我基本都会打开看看，推送那个应援我老了我是真的玩不来了一次没打开过，根据这些行为模式你如果能主动减小一下推送打榜应援的我会很喜欢。
信息茧房就是借口
人确实本能地高估自己，书里说的是在给自己标签时倾向于高深的高于自己水平的判断。
还有啊，你感觉自己被圈在信息茧房里那真的是自己水。。。平台难道会不想不断试探不断拓展你的兴趣来促进平台繁荣？对它们视而不见每天只盯着感兴趣的那点儿刷刷刷还造了个信息茧房来安慰自己，前阵知乎上问 B站为什么低俗？？？你被自己困在低俗的信息茧房里了还怪平台嘿嘿嘿。
不可说不可说