最前沿丨Taxonomy：企业内容自动化背后的秘密
社会学家 Bertram Gross 在1964年引入一个重要术语——“信息过载”。“当系统的输入量超过其处理能力时，就会发生信息过载。” 他认为，产生的内容量巨大，决策者不可能完全处理所有这些内容。
半个多世纪后的今天，每个人、每家企业、每个决策制定者都越来越依赖内容。我们需要内容，但绝不是多得难以消化的、无法管理的内容。内容就在那里，问题是，企业如何为内部和外部相关方提供内容？
内容供应现状
如今内容由不同的部门独立创作，比如营销、销售、客户支持、服务、交付、运营和产品开发等，他们各自创作、翻译和交付自己的内容。但是要让内容得到利用，首先要被人们看见，也就是能够被找到。
随着各个部门的内容规模日益扩大，内容碎片变得比以往更加明显。这些内容扩散到各个部门，但是流程鲜少重叠，也没有工具查找和检索，导致内容得不到重复利用，同样的工作要做两遍，因为甚至是同一个部门的员工都不知道，其他同事已经创作过相关内容。这进一步导致同一条信息在整个客户旅程中有不同版本，让客户感到困惑，产生不一致的体验。
要从内容的汪洋中准确过滤和识别出急需的、相关的内容并对内容实现调配，很大程度上仰仗结构事先规划好的分类法 (Taxonomy) 和元数据 (Metadata)。通过使用元数据标记，内容可以按需要和相关性来动态编排和交付。
分类法
Taxonomy 一词源于希腊语，taxis 意为整齐和秩序，nomos 意为特定事物，中文可译为分类法。分类法最早在生物科学领域使用，18世纪瑞典植物学家卡尔·林奈以此对动植物进行纲目属种的分类，使动植物知识开始系统化。20世纪80年代，分类法引入现代信息管理领域，指基于主题的等级分类系统或分类法，成为知识组织的工具之一。
分类法的好处在于：“编排良好的分类法可以提高内容的可搜索性。这不仅有助于企业或公司网站的内部搜索，也有利于企业外其他人员对内容的搜索。”
维基百科的界面就是通过分类法工具构建的。在维基百科输入 Taxonomy 后，得到的结果和百度百科不一样，并非一上来就告诉我们分类法是什么，而是详细地把 Taxonomy 分成了不同领域的几大类，供用户进一步选择：
Taxonomy
▶ Natural sciences
· Evolutionary taxonomy
· Alpha taxonomy
· ……
▶ Computing
· Folksonomy
· Taxonomy for search engines
· ……
▶ Business and economics
▶ ……
这一目了然的结构，让小编一下就明白自己要从 Computing 一栏下找目标，而不需要再花另外的时间进行检索。
内容管理和知识管理等信息系统越来越多地使用分类法，使用户更容易找到、存取恰当内容。企业管理的数据越多，这些系统的作用就越重要。这些系统能够有效编排内容，但依赖人工手动添加正确的标记，工作量庞大。
元数据和智能内容
元数据，就是关于数据的数据，比如把一首歌看成数据，那歌曲演唱者、词曲作者、收录专辑等信息就是元数据；智能内容，就是经过结构化处理、添加了元数据标记的内容，易于搜索和编排，目标是缩短（内部、外部）内容需求者找到问题答案，最终交付相关内容所花费的时间。
拿社交媒体打个比方，众所周知，我们在微博上加#话题，或在推特里放#hashtag，一定比不放标签更容易被看到。如果这些标签是官方发布的统一标签，大家就更容易找到“组织”了。
但是，如果不“官方”、不一致、无秩序的元数据标记会产生不相关的内容，导致杂乱无章的体验：
产生错误：正确编入索引、添加元数据标记或能够被有效搜索的内容不足50%。
主观随意：只有33-55%训练有素的专家使用统一的元数据标记。
易被忽视：终端用户总是选择下拉列表中的第一个选项，不会细看哪个选项才最适合他们。
因此，企业即使意识到了标记对于内容的重要性，也还是可能无法对内容进行最高效的编排，有时甚至适得其反。
内容编排挑战
有了元数据，有了分类法，内容就“智能”了吗？不一定，内容编排还可能面临以下挑战：
规模过大：企业手动添加标记耗费大量时间。
术语缺乏：难以识别最突出和相关的术语。
产生脱节：不同部门应用不一致的分类法。
由内而外：内容基于公司查看内容的方式而不是客户和员工想要使用的方式来编排。
静态标记：随着时间推移，内容会发生变化。静态标记无法适应这些变化。
标准不统一：依赖人工添加标记的手动流程容易产生个人偏见，导致不一致的标记。
此外，分类法涉及多种语言，且需跨平台使用。跨国企业需要在不同等级和组合的内容中综合应用术语、分类法和本体。这个过程的关键在于确保这些信息架构互相协调一致。
那么，如何进一步解决这些问题呢？为了为大家普及分类法知识，我们特地为希望了解企业分类法应用的粉丝们开设 Learning Taxonomy With Joe 栏目，请到分类法技术专家 Joe Pairman 为我们深入讲解相关知识。
Joe Pairman
SDL Tridion Docs 高级产品经理
Joe 帮助组织解决复杂的内容管理挑战，拥有超过10年的行业经验，帮助不同行业的组织应用结构化内容和分类法，曾带领 HTC 团队部署和拓展 SDL Tridion Docs。Joe 致力于运用丰富经验推动 SDL 前沿产品创新，定义下一代智能内容管理。
本栏目分为三期，别犹豫，马上开始第一期的学习吧！地址就是今天推送的第二篇文章：Learning Taxonomy 丨企业分类法指南Ⅰ
又见福利
目前，分类法的实际应用在国内非常少见，为了鼓励大家跟我们积极学习这一全新的技术，我们决定为大家送出 Joe Pairman 在各大场合特别推荐的企业分类法入门神书 The Accidental Taxonomist ！只要通过WX转发本文到PYQ保留三小时以上（无分组），再截图发到后台（附上您的公司+邮箱），我们就把这本书的电子版送给您！快来一起学习吧！
本文图文参考来源：SDL 及网络