此文档涉及两个部分修改的前因后果：

1. Related Articles 功能的产生

我们需要对文章页面进行重新设计。

决策过程：功能提出的思路

在更新一个页面设计时，我通常会先去做一次竞品分析。分析其他同类网站的类似页面，我一般使用的是 Alexa 查找相似网站的方法，然后观察它们所具有的一些元素和功能，有什么共同点或可取之处，并尝试猜测它们的用意，最后再结合我们自身的情况进行。

所以，在观察其他网站做法的时候，我留意到绝大部分网站，都有推荐阅读的功能（共性），我依然秉承着存在即有理的观点（一般这个观点在绝大部分情况下都适用，但它不是绝对的），如果没有一定好处，应该不会被大范围使用，所以我们在重新设计文章页面的时候，就将推荐阅读（Related Articles）的功能添加上了。

为了快速将功能上线，我们使用的实现方式，只是根据文章分类随机推荐 4 篇文章。一个功能不需要等到全部完善再推出，用最简单的方式快速上线，在很多时候都是必要的，它可以帮助我们以最小的代价快速试错。

2. Related Articles 功能的改进

当时是整体改版，所以只针对了整体页面进行 A/B 测试，而没有精确到单个功能的测试。所以并不知道这个功能它所能给我们带来的效果和好处如何。

用这种方式实现的功能，也造成了这个功能严谨度不是很大，不是根据用户的情况出发去推荐文章，可能反而会影响用户体验和页面质量。

决策过程：解决问题的思路

因为问题早已存在大脑中，所以当出现一个契机的时候，自然而然就会想起来这件事。解决方案可以有很多种，我通常本着对当前状况最优的方案实行。

Part 1: 使用 Taboola 提供的推荐服务

Taboola Feed

在大家的日常聊天记录当中，提到了 Tom's Hardware 网站，出于好奇去研究了一下，然后观察到它们里面所使用的推荐功能为第三方平台 Taboola 提供的。进一步了解后，发现这种形式的推荐可以带来更多的广告收入，且可能会更符合用户的情况。比如，我最近在各大旅游平台了解日本相关信息，然后却在我阅读其他新闻等类型（无关旅游）网站时，有注意到 Taboola 推荐的往返日本机票、一些景点门票优惠之类的信息。这种形式的内容推荐， 似乎是根据用户的资料、访问记录及内容偏好推荐的。但目前并不清楚它们是如何实现这些追踪的，也还不清楚这种形式是否利大于弊。

Taboola recommended this content based on your interests or visits to previous websites. The content is paid for by the advertiser whose ad you clicked on. Like most other web-based services, Taboola automatically collects data to build and supplement a user’s profile through cookies, other technologies, and potentially from third party data providers. We use user profiles to provide our services, tailor the content and information that we may recommend, and personalize user experiences with our services. Taboola can provide content on multiple devices or browsers connected through the same user from the information collected on a single device or browser.

Taboola

初步推测这是一个非常值得尝试和测试的功能，原因有几点：

  1. 带来更多的收入 *
  2. 代价不大。推测只需注册平台，然后根据步骤将它们提供的代码放到相应的地方即可，同时，我们使用 A/B 测试进行试运行也可以最大化控制风险。
  3. 查询资料看到有较多排名较前的网站也有使用它们的服务。
    e.g. 美国使用 Taboola 的一些站点：

  4. 这些广告推荐，放置在用户阅读完文章和评论之后（最底部），对于网站跳出率，理论上不会产生很大的影响，即使不放内容，大部分用户看完也会离开，我们只是利用了这些离开的用户的资源，引导他们到对我们有利可图的地方。
  5. 页面有迹可循的丰富性（Main Content 外的元素）。

Part 2: 使用 Google AdSense 提供的 Matched Content 推荐功能

注意：Google AdSense 提供的这个功能，需要流量达到一定级别才能使用。

Google AdSense – Matched Content

因为对这方面的不熟悉性，所以不确定 Taboola 的选择对我们来说是不是最佳的，是否有更好的同类产品/替代方案。

循着这条思路，进一步搜集资料，发现我们目前使用的 Google AdSense 有提供和我们匹配度更高的 Matched Content 功能，且通过它们的实验结果表明，这个功能除了增加广告收入外，还能够额外带来一些其他好处。e.g.

Number of pages viewed increased by 9% on average
Time spent on site increased by 10% on average

About Matched Content

最后经过对比和考虑，我决定使用 Google AdSense 的这个功能来替代原本想要采用的 Taboola 方案。

原因有几点：

  1. 我们很多方面都使用和依赖 Google 的服务，且权威性和实力方面无需担心和质疑。
  2. 代价和风险更小。因为我们目前已经使用 Google AdSense 广告服务较长一段时间，运行过程稳定正常，这是我们熟悉的环境和系统。如果使用一个系统就可以实现目的（增加广告收入），没有必要增加额外负担，使用多个系统。

综上所述，最后决定使用 A/B 测试方式试运行 Matched Content。我们需要验证有效性并对有效元素进行提炼，是否后续可以在其他方面将这些有效元素运用上以达到相同的结果。

观察情况：

  • 查看广告收入是否有较之前有很大转化率的提升
  • 查看推荐产品的文章转化率是否有受到最底部开启的广告的影响。如果有，那么结合广告收入的影响看是否能抵消或大于带来的负面影响。
  • 观察文章流量等数据情况前后变化