APP下载

抖音的算法推荐特点分析

2018-01-25王海燕

新媒体研究 2018年20期
关键词:抖音用户

摘 要 作为今日头条旗下的短视频平台,抖音能快速走红网络主要依托其强大的算法推荐功能,抖音首页的视频推荐是计算机智能算法和人工筛选审核共同作用的结果。抖音的智能算法推荐主要包括基于用户基本信息的协同过滤、基于用户社交关系的精准推荐和基于内容流量池的叠加推荐三个方面。通过对抖音算法推荐特点的分析和总结,有助于用户了解视频推荐的基本原理,从而更好地管理和运营抖音账号,取得更好的传播效果。

关键词 抖音;算法推荐;用户

中图分类号 G201 文献标识码 A 文章编号 2096-0360(2018)20-0021-02

2015年之前就有业界人士预测:移动互联网的下一个主战场将是短视频。从早期的秒拍、美拍、微视、小影、小咖秀,到后来的梨视频、二更、罐头视频、火山、西瓜,短视频市场一直处于激烈的竞争之中,每个平台都有自己的受众定位和目标用户。直到2015年以后快手的迅速走红,才使广大网友和互联网创业者真正意识到短視频传播的巨大力量。

2016年快手CEO宿华在多次演讲中表示:“视频可以称之为新时代文本,视频会改变一切,这种改变不是简单的一个补充和增量。”2016年9月上线的抖音App,经过半年时间的测试和打磨,在2017年春节以后成为短视频领域的一匹黑马,迅速可以跟快手抗衡,被网友戏称为:“南抖音北快手”。

易观数据显示:抖音在一、二线城市的渗透率比快手高,快手在三线以下城市渗透率高于抖音,但抖音和快手在所有的层级的城市几乎是全覆盖。

2017年8月,抖音海外版Tik Tok上线,在日本、泰国、越南、印尼、印度、德国等国家先后成为当地最受欢迎的短视频App。

国际应用市场研究公司Sensor Tower数据显示:2018年一季度,抖音海外版Tik Tok的App Store全球下载量达4 580万次,超越 Facebook、Instagram、YouTube等成为全球下载量最高的iOS应用。2018年7月16日,抖音官方正式宣布,抖音全球月活跃用户数超过5亿[1]。

抖音作为今日头条旗下的短视频App,能在短时间内蹿红网络,跟其背后强大的智能算法团队有密切的关系,本文参照专家学者及业界人士的有关算法推荐的研究,结合对抖音App的观察和体验,对抖音的大数据算法推荐特点进行简要总结。

1 基于用户基本信息的协同过滤

基于用户基本信息的算法推荐在PC互联网时代就已经得到广泛应用,新浪、网易等门户网站,淘宝、京东等电商平台,微博、QQ等社交媒体,都较早尝试和探索基于用户大数据的算法推荐功能。到目前的移动互联网时代,电商、新闻、视频、音乐、旅游、餐饮等各个行业和平台都在使用和优化算法推荐功能。优秀的推荐算法不但节约了用户寻找优质内容的时间成本,同时也让平台运营方对用户的详细信息有了全面的掌握,有助于调整平台发展策略、内容生产定位和广告精准投放,实现了用户和平台的双赢。在整个算法推荐系统中,基于用户基本信息的协同过滤是最基础、最简单、最常用的推荐方法。用户基本信息主要是指用户在平台注册账户时的基本资料,如果用户通过QQ、微博、微信等社交媒体账号登录,就是这些社交媒体账号的基本资料,比如性别、年龄、星座、职业、学历、收入、兴趣以及所在地域等。

基于用户基本信息的协同过滤算法主要考虑用户和用户之间的相似度,只要找出相似用户喜欢的内容,就可以把此类内容推荐给其他相似用户,比如用户A、B、C、D的基本信息相似度在90%以上,那么就可以把用户A、B、C共同偏好的内容推荐给用户D。通常在用户使用某个平台的初期,所收到的内容推荐基本都是基于用户基本信息的协同过滤,比如抖音App的首页分为推荐和同城两个栏目,默认的就是推荐模块,推荐短视频的一个重要原则就是该视频和用户画像的匹配程度,平台通过协同过滤算法为用户找到相似用户喜欢的视频,并把这些视频中点击、评论、转发量较大的视频内容进行首页推荐。

另外,地域定位也是算法推荐的一个重要依据,除了用户注册的城市之外,平台通过GPS定位用户所在的地域,进而推送相关视频。即使用户不进入同城这个模块,也会发现地域定位的推荐功能非常强大,比如用户注册的城市在郑州市,有关河南方言、热门景点、本地网红、地标建筑等与地域相关的热门内容就会优先推荐,如果用户最近到西安旅游,平台就会通过地域定位为用户推荐与西安相关的知名景点、热门美食甚至本地广告等内容。

2 基于用户社交关系的精准推荐

社会化媒体最大的特点就是实现了“去中心化”的“点对点”传播,每个用户都是传播节点中不可或缺的一部分,用户的关注、评论、点赞、浏览、转发、@等社交行为成为平台判断用户喜好的重要依据之一。基于用户社交关系的算法推荐可以分为两种:一是以社交图谱为代表的强关系推荐;二是以兴趣图谱为代表的弱关系推荐。

社交图谱是指以亲戚朋友、同学同事、俱乐部成员、朋友的朋友等现实中的熟人为主要交往对象构建的社交网络图谱。在抖音平台一旦有亲戚朋友、同学同事等社交图谱中的强关系好友加入,用户之间通常都会关注、互粉,看到好友发布视频一般也会转发、跟帖或者点赞,平台通过算法通常也会优先推荐强关系好友发布的内容。

兴趣图谱是指以共同的专业、兴趣、爱好、话题等为线索构建的社交网络图谱,目前抖音平台的算法推荐主要就是基于兴趣图谱的弱关系推荐。用户一打开抖音界面就进入了首页的内容流量池,靠上下滑动来依次更换视频,推荐的视频主要就是参照用户的浏览、点赞、转发、跟帖等社交互动数据,通过数据驱动发掘用户的兴趣点儿,进而投其所好达到娱乐的目的。这种懒人式交互大大提升了用户黏性,不过也削弱了用户改变“状态”的意愿,即附近模块、关注模块的使用几率将会降低,用户的注意力又被“黏”在了头部用户的优质内容上,中心化进一步加剧[2]。

实际上,用户的需求是千差万别的,基于兴趣图谱的弱关系推荐容易使用户的阅读模式趋于标签化、一致化,久而久之产生审美疲劳,不利于平台的长久发展。因此,强化用户与用户、用户与平台之间的强关系网络才是平台长期可持续发展的必由之路。

3 基于内容流量池的叠加推荐

有专业人士认为:抖音的火爆就是因为解决了用户“没内容可看”的问题。那么我们打开抖音App首页刷到的视频很多都是几千上万甚至十几万点赞和评论的内容,那么这些视频为什么点击点赞量这么高呢?就是因为该视频在内容流量池中表现较好而进入了不断的叠加推荐。叠加推荐是以内容的综合权重作评估标准,综合权重的关键指标有:完播率、点赞量、评论量、转发量,且每个梯级的权重各有差异,当达到了一定量级,平台以大數据算法和人工运营相结合的机制进行不断推荐[3]。当用户在抖音平台上传一个新的视频,平台会根据关注、附近、地域、话题等标签进行第一轮的推荐,如果第一轮推荐得到的完播率、点赞量、评论量、转发量相对比较多,平台就可以推断此视频内容质量较好,比较受用户欢迎,就会进入下一轮的推荐,推荐给更多的用户观看,第二次推荐又有了比较好的反馈,就可能进入下一轮的推荐,从而获得更大的流量。

这也就是我们在刷抖音时经常纳闷儿的问题:为什么有的粉丝量很少的用户,随便拍个街景就有上百万的播放和几千上万的点赞评论,而自己拍的可能还更好,点赞和评论几乎是个位数?就是因为那些视频在第一轮推荐中表现较好,进入了叠加推荐的行列。在实际使用过程中我们也发现,那些点击量极高、一夜爆红的短视频往往都是创意新颖、亮点较多的优质视频。如果视频在第一轮推荐中表现不佳,平台也就不会进入下一轮的推荐,甚至很多优秀的视频也会淹没在视频流的汪洋大海里。这种情况也容易造成短视频平台内容强者愈强,弱者愈弱的马太效应,让部分优质内容没有出头之日。如果在第一轮推荐中有一些人为的操作行为,可能会误导机器算法,把一些平庸、低俗的作品进行叠加推荐。事实上,机器算法即使再智能都有不可补救的弊端,抖音平台目前也在增加人工筛选和审核的力度,只有算法推荐和人工审核紧密配合,才能真正实现内容推荐的优质化、精准化和法治化。

依靠强大的算法推荐功能,抖音在目前竞争白热化的短视频市场取得了初步的成功,但是也面临着内容低俗、娱乐过度、虚假信息等众多问题。如何通过优化算法推荐、创新产品功能、加强内容管理等途径来占据市场龙头、延长产品生命周期,也是摆在抖音管理团队面前的重大课题。在内容上目前抖音正在实现内容供给的多样化,抖音相关负责人表示,抖音正在积极推动政府、媒体、公益机构和公众人物等入驻抖音,一起打造一系列关于美好生活的正能量挑战[4]。

目前以公安账号为代表的政务抖音号在抖音平台相对比较活跃,以@央视新闻、@人民日报、@人民网等为代表的媒体机构也都相继入驻抖音,并且取得了良好的传播效果,成为抖音平台的一股清流。清博指数平台统计,政务抖音号榜TOP100账号在9月6日—9月12日共发布作品2 395条,播放总量为286 870万+,点赞总数为10 827万+,评论总数为455万+,分享总数为247万+。任何新媒体平台必须把微观的经济效益和宏观的社会效益结合起来,才能走得更长远。

参考文献

[1]雷锋网.印尼Tik Tok解禁后 抖音全球月活跃用户数突破5亿[EB/OL].[2018-07-17].https://baijiahao.baidu.com/s?id=1606202104070689730&wfr=spider&for=pc.

[2]人人都是产品经理.算法与产品:抖音、快手的“气质”成因[EB/OL].[2018-04-22].http://www.sohu.com/a/229066364_114819.

[3]听潮一哥.从零到万的粉丝,抖音推荐算法是怎样的[EB/OL].[2018-05-17].https://baijiahao.baidu.com/s?id=1600701071641513252&wfr=spider&for=pc.

[4]韩元佳.抖音现象研究[J].中国报业,2018(6):80.

[5]清博大数据.政务抖音号榜丨200万粉丝获赞3 400万,“团团”做对了什么?[EB/OL].[2018-09-17].http://www.sohu.com/a/254305348_114751.

作者简介:王海燕,讲师,研究方向为网络与新媒体。

猜你喜欢

抖音用户
您拨打的用户已恋爱,请稍后再哭
基于用户和电路的攻击识别方法
“抖音”经济战
抖音短视频APP的发展与研究
玩“抖音”爱上风流“网红”,姐姐被抛弃妹妹来报复
“使用与满足理论”视角下的移动短视频研究
互动仪式链视角下的音乐短视频研究
音乐社交短视频软件何以走红
信用卡资深用户
Twitter用户增长未达预期