内容社区用户路径
刚进去社区，游客状态的用户，对社区是什么、有什么内容感到好奇，会尝试浏览一些内容，确立主观上的印象。
然后，会尝试发现其中的内容，或者内容组合形式，是否与自己的兴趣相匹配。如果感兴趣的点，用户会继续在社区中消费内容，乃至进一步参与互动交流。
在交流中，普通用户之间会碰撞出火花，遇到自己认为有意思的人、有价值的人，并建立持续的联系。
生态良好的社区中，用户层级明确，每一层级都有向上流动的可能性，同时也会在持续的交流中产生更多有价值的内容，这些内容也能够被消费。
内容社区之间差异化的地方，主要集中在这几点：
1、内容的形态差异
例如，文字、图片、长视频、短视频、直播等。
2、兴趣点的维度差异
例如，小组/圈子、话题、标签、单条内容、人等
智能推荐在内容社区中的应用
智能推荐能够将信息分发给有意愿获取的用户，因此对于智能推荐在社区中的应用，主要集中在前两个环节，浏览内容和发现兴趣点。从用户的行为来看，有时，一个动作就可以包含这两个环节。
1、向用户推荐内容
2、向用户推荐兴趣点
但需要的前提是：
1、足够的内容数据
智能推荐的一个目的是帮助用户更有效率地获得自己满意的信息。其中有两个关键词：效率、满意。效率是指更节约时间、节约资源地地完成了目标。满意是指提供满足用户期望的内容。
当内容不够多时，对内容顺序的组合就会很少，智能推荐未必就比人工干预更好。
同时，也会面临没有内容可推的问题。
这种情况下，最重要的应该去发掘内容源、鼓励创作，首先将内容池填满。
2、充足的用户画像数据
用户画像数据不足时，不适合上线智能推荐功能，如同不了解朋友，如何为ta挑选生日礼物？
但此时可以进行相关的数据累积，例如用户基本属性、用户偏好、用户行为数据等。
我们会跟什么样的人成为朋友
抛开产品的角度，在生活中，你会和什么样的人成为朋友？
相信大多数人的回答是：聊得来。
聊得来大概分为这样几种情况：你们有很多共同的话题；你们对于很多话题有相同的见解；你会欣赏对方的某些观点。
而对于内容社区而言，有可能建立关系的情况：
1、有共同感兴趣的话题；
2、对于很多话题有相同的见解；
3、欣赏对方的某些观点和行为；
4、有可能会一起去做一些什么事情。
还有一些：
5、对于明星用户/KOL的follow
2、对美女关注
