其他潜在的下降原因是过于依赖算法-例如，向所有访问者推荐相同的“最受欢迎”内容只会增加并加强该内容的受欢迎程度，并使系统无法向其他特定受众推广其他相关内容。
通过过多地关注大数据定位或标记计划，推荐系统对情感视而不见，而对于用户而言，什么才是真正的最佳体验。
我们如何才能使建议在情感上更明智？
做出基于内容的更准确建议的过程包括识别内容的情感属性，以创建更强大的标记策略。
内容策略师迈克尔·安德鲁斯（Michael Andrews）提出了一个简单的框架，该框架有助于根据内容体验而非内容主题对内容进行分类，这为基于内容的过滤增加了另一个维度。
- 首先，确定普遍感兴趣的内容-即使观众没有专门搜索，他们也会发现有趣的内容。
2.然后，确定内容的质量并标记内容。 超越您的品牌声音/样式指南，并考虑以下事项：
- 您的内容最有特色的是什么？
- 观众最关注什么？
3.设置您的推荐引擎。
4.监视性能并进行调整。
通过定义标记策略并在内容中添加有用的标记来预先加载工作，对于推荐引擎而言，提出相关建议并不容易。
更好的元数据=更好的建议
让我们更深入地研究如何使用元数据标签来描述您的内容体验，以及如何根据多种独特的品质来表征内容，这一概念被称为内容吸引者。
“内容吸引者是您的内容质量，可以引起某些受众的共鸣。 它可能是您谈论某个主题的方法，或者是您的观点。 它产生一种情感体验。 通常，两种或三种品质的结合使内容与众不同和特别。” —迈克尔·安德鲁斯
以下是创建有意义的，具有情感智能的元数据的一些技巧：
- 根据形容词和情感进行思考，并根据其情感品质标记内容。 例如，通过标记故事的语气 （例如，令人振奋，严肃）来根据读者的情绪浮出水面。
- 通过确定相似性来降低复杂性-着眼于一般感兴趣的内容，不要太具体以至于只有几条相关的内容。
- 向访问者询问他们对某些内容的最喜欢/最不喜欢的内容–聆听有人提到诸如内容的样式，其观点或观点，其帮助方式以及查看该内容的场合等维度。
- 超越内容类型和主题-超越针对具体属性（名词）的分类法，着眼于注重质量（形容词和概念）的类型，以在内容之间建立关系。
以下问题可以帮助您确定什么使您的内容与众不同并吸引听众。
您的内容是否有鲜明的态度？
定义使内容与众不同的元素，例如：
- 权威-访问最可靠的信息
- 独家—预览特权信息
- 相信我们的选择-我们为您找到了最好的选择
- 逆势而上-不要依靠传统智慧
- 平易近人-我们使困难平易近人
- 有远见的人-展示未来将如何变化
- 拥护
- 实用-只有您可以使用的东西
- 思想领先-最佳专家的最佳思维
您的内容是否提供独特的体验？
定义内容的体验质量，所产生的情感，例如：
- 增强能力-建立信心
- 不惧争议
- 澄清-暴露的裸露真相
- 有抱负-您想要什么
- 滑稽
- 令人惊讶-发现意外
- 鼓舞人心-振奋人心
- 激发动力-似乎有可能，很想尝试
- 冷静-减轻了令人担忧的话题的忧虑
您的内容显示的内容有所不同吗？
- 视觉文章-欣赏风景（图像重）
- 自白-我从错误中学到的东西
- 名人或专家主持的导游
- 在熟悉的某个地方的幕后
- 在不熟悉的地方-您在那儿
- 聚焦-引起人们对背景中事物的关注
- 采访-用自己的话
- 破坏神话-________的现实
- 富有想象力的：如果……
- 亲密感：_______人的真实故事
您的内容是否以特殊方式突出或组织了想法？
- 得到教训
- 传记故事
- 情境轶事
- 鲜为人知的事实
- 解释-为何如此
- 奇怪但真实的故事或事实
- 关键时刻：转折点事件
- 过去和现在（连续性和变化）
- 在表面之下-您看不到的东西
- 明智的建议-如何生活
一些示例-您是否为处理主题X的人员提供实用建议，或者您是有关主题X的最新消息的来源？ 您是否有平易近人的“操作方法”文章，或者您的内容富有远见且在情感上具有启发性？
快速案例研究：Netflix“ altgenres”
Netflix是使用丰富且详细的内容属性的品牌的主要示例。 Netflix精心分析和标记了所有可以想象的电影和电视节目，并投入了大量时间来了解人们如何看电影。 扫描他们数据库的机器人发现，该视频服务创建了76,897种超特殊类型的微型视频，包括“ 1980年代的恐怖电影”和“日本体育电影”，或“广受好评的情感失败者电影”和“邪恶的孩子”恐怖电影’。
Netflix专门寻求方法，以区分其系统中的内容并找到情感触发因素，以使影片深深地出现在数据库中，否则很容易迷失方向，并向用户提供更多暴饮暴食的推荐。
“通过大批受过专门训练的人观看电影，Netflix解构了好莱坞。 他们付钱给人们看电影，并用各种元数据标记它们。 这个过程是如此的精密和精确，以至于标签制作者会收到一份长达36页的培训文档，该文档教他们如何对电影的性暗示内容，喜气，浪漫水平甚至情节结论等叙事元素进行评分。
它们捕获了数十种不同的电影属性。 他们甚至评价角色的道德地位。 当这些标签与数百万用户的观看习惯结合在一起时，它们便成为Netflix的竞争优势。 公司的主要业务目标是吸引并留住订户。 它向人们展示的类型是该策略的关键部分。”
– Netflix如何反向工程好莱坞
Netflix不仅拥有越来越高的收视率，而且还为用户提供了许多有趣的新选择，并在电影和电视节目中拥有丰富的美国品味和喜好数据库，并且能够创建诸如《纸牌屋》之类的原创节目，这些节目经过精心设计以吸引观众满足观众的需求。
设置情感智能的推荐解决方案，然后进行监控和调整
根据内容策略语言的安·罗克利（Ann Rockley）的说法，智能内容是“结构丰富且语义分类的，因此可以自动发现”。 许多品牌都有明确的声音和/或风格指南，优秀的作家对如何结合使内容独特且有吸引力的技术了如指掌。 通过更进一步，将内容的这些属性显式添加为元数据标签，它可以使算法生成更具情感智能的推荐。
与其依赖大数据和用户定位，不如构建一个推荐引擎，该引擎查找模式并引用内容上的多个属性以生成推荐。 例如，如果某人使用属性A标签和属性B标签查看一般兴趣内容，则使用属性A标签和属性B标签向他们显示同一主题上的其他内容。 当前内容的质量与推荐内容之间的匹配越紧密，则推荐的相关性就越大。
包含有关内容质量的元数据的另一个好处是，它可以衡量。 首先从一小部分内容和实验开始，使用分析数据来衡量需求的内容质量，其表现如何以及建议的成功程度。 调整内容描述符和推荐匹配项，以查看有效的方法和无效的方法，并密切注意创造包含所需质量的新内容的机会。
综上所述
要提供情感上明智的内容推荐，请考虑访问者从您的内容中获得的需求，而不仅仅是他们的需求。 找到吸引广泛人群的一般兴趣内容，然后深入研究以确定人们真正关心的区别。 不要依赖一个推荐模型，不要将不同的方法混合使用以获得最佳结果，也不要监视性能指标以了解如何改进。
提前进行工作，以设计强大的推荐引擎并定义为内容添加独特的元数据的标记策略-好的推荐将不断涌现。
