Netflix把电影细分解构成了7万多种“微类型”，从而与4000万订户的观影习惯相匹配，进一步成为大数据时代的“先驱”。与此相比，分类学的“鼻祖”图书业却显得落伍很多。

　　这固然是由于诞生不满百年的电影数量有限且充满了“套路”（麦基《故事》这样的剧本套路解析比比皆是），观众集中于少数“热门”。而有史以来出版过的图书数以亿计，类型读者皆点状分散，而图书的内容又包罗万象，恐怕70万种“微类型”都不能将其囊括。

　　但这不代表图书无法借助“大数据”的东风，解决盲人骑瞎马——书和读者无法精确找到对方的问题。无论是罗辑思维、一条还是书单推荐，都是在延续纸书时代人工推荐的方式。

　　然而正如一位图书营销编辑所苦恼的：“这些平台一年能推荐多少本书呢？我们出版的其余99%的书该怎么办？”

　　在比特海中沉浮的绝大多数还是要依靠自身的“标记”被人发现，而“大海捞针”的读书人也要通过自己的“探照灯”来找到属于自己的那本书。

　　在人和书互相发现的过程中，元数据显得尤为关键。

　　在书店或图书馆中，读者可以搜索数据本身（一本书本身），也可以搜索元数据（书名、作者、分类）。在实体书的世界里，一本书基本的“元数据”可以直接在书封上找到。不过，读者在书店搜寻一本书时不仅可以“爬梳”元数据，也可以直接“爬梳”数据本身。

　　书店中的潜在读者可以扫视封面，阅读封套内容，了解作者信息，甚至可以阅读目录，跳着翻阅一些章节。他们可以通过全局式地接收一本书的所有数据来“发现”一本书。

　　但是在数字世界，搜索引擎不能直接搜索“数据”（作为整体的一本书），而只能搜索元数据。

　　在图书营销中，“元数据”你可能听到过很多次。它曾经指代书店及图书馆统治时代的“书目数据”。但是时至今日，“元数据”更多被用于计算机领域，而在网络图书销售中，“元数据”也正在被派上大用场。

　　什么是元数据？元数据是指被提供给零售商、图书馆员用于其进行销售、分类的图书信息，也可以让读者能深入了解这本书。

　　从广泛意义上来说，有两种图书元数据：核心的元数据和高级的元数据。

　　核心的元数据包括：书名、价格、作者、类型等。

　　高级的元数据则与营销息息相关，它们有助于图书销售，却并不是图书上架、分类时必不可少的信息，比如图书简介、作者简介、评论引言、试读章节等。

　　我们可以“偷师”搜索引擎优化的经验，利用元数据来让图书在网络上更容易被发现。

　　下面是优化元数据，确保图书能够被优先发现的一些小技巧：

　　1. 提供完整的元数据，既要有核心元数据，也要有高级元信息。这虽然无需解释，但希望你能真正理解为什么要这样做；
　　2. 图书简介应该包含“关键词”，最好出现在前50—100个字以内；
　　3. 书名和副标题最好也能够包含“关键词”；
　　4. 使用分类，最好为图书提供多个分类；
　　5. 包含获奖情况、评论和媒体报道；
　　6. 如果允许，在元数据中使用HTML标签；
　　7. 这些原则不止适用于图书信息，也适用于作者信息；
　　8. 添加作者的位置可以帮助网站锁定本地读者。

　　当然，元数据远不止这些，元数据也可以有更多的维度，比如：图书长度、字数、章节长度、阅读用时、可读性指数、节奏、关键事件、地点、人物、人物年龄、情绪基调等等。

　　实际上，决定读者购买的往往并不是基本的元数据，而是上面这些与阅读体验息息相关的高级元数据，而国内出版业在这方面尚是一片空白。即使图书简介已经日益丰富，更多情况也只是为做华而不实的宣传，而不是丰富帮助搜索引擎发现、帮助读者判断图书阅读体验的元数据。

　　如果每一本书都有着丰富的元数据，那么图书零售商或许将发明出更为多样的图书发现方式。这其中可能就包括自然语言程序，我称之为语义引擎。一本书可以被加入电脑程序中，根据其内容与预先定义的参数范围，创造多个信息标签。研究者就可以通过一本书的写法、可读性、人物刻画等指标来判断书籍之间的相似性。

　　我曾见过有的出版商为自己的图书添加了太多的分类，是为了出现在尽可能多的图书分类条目下。他们自以为越多的读者看到这本书，买的人就越多。这是一种误解，太多的分类只会增加“噪音干扰”，循着推荐而来的读者并非目标读者。

　　“质胜于量”的古训依然成立：关键在于提高推荐的质量、筛选和触达真正对这本书感兴趣的读者。

　　销售商可以将图书的元数据与读者的购买模式——购买时间、阅读时间、阅读进度、图书评分与个人特征——年龄、位置等——相匹配，从而为一本书找到最适合的读者。

　　作为出版商，你首先要做的就是全面评估目前提供的元数据。之后，联系你的销售商，一起商议如何更好地为他们提供信息。你的终极目标是统一元数据的提供流程，使其几乎不需要人工参与，同时提供给所有销售渠道。

“扫一扫”订阅“做書”