算法推荐机制下的短视频创作与传播

张宴硕 董雪

摘 要 算法推荐机制已经是目前主流视频平台分发内容的主要方法之一，视频创作者利用好算法机制可以对视频创作进行优化，扩展视频传播的传播范围。文章从算法推荐机制的原理、完善用户画像、增强内容垂直度、完善视频信息、置入互动内容等方面探讨算法推荐机制下的短视频创作与传播，为全媒体时代数字媒体艺术专业人才提供借鉴。

关键词 短视频；算法推荐机制

中图分类号 G2 文献标识码 A 文章编号 2096-0360（2020）18-0117-03

随着抖音、快手、微信视频号等短视频新媒体平台快速崛起，拍摄技术的普及，短视频创作的已无门槛。在海量数据的创作环境下，大数据带来的最直接挑战就是如何让更多的用户在数据汪洋中找到自己制作的内容，平台利用算法推荐机制作为中枢，将内容与用户作为内容的分发渠道解决“信息过载”的问题，所以，掌握和利用算法推荐机制，让算法为内容创作赋能也是众多创作者亟需思考的问题。

1 短视频平台的算法推荐机制运作原理

算法推荐机制短视频平台是为用户推荐所需内容的技术，它的价值在于帮助用户粉丝解决内容信息过剩和遴选所需要的视频内容。虽然算法推荐系统应用了各种各样复杂的数学模型，但是它的运作原理确十分简单，那就是让系统准确了解待推荐的内容、全面的掌握需要推荐的用户画像，经过判断内容、匹配用户实现内容与用户的高效对接。视频平台算法推荐机制运作流程是这样的：创作者将视频发布后，系统便会解读提取出视频的关键信息，将视频推荐给微量用户群体，这个群体可能是系统默认的感兴趣的用户，这批用户群发生的播放数据，将对视频是否能进入下一轮几何倍数的推荐起到关键性作用，如果数据良好，视频就会进入良性推荐循环中，不断地被推荐给更多人，最终成为爆款。

如果用通俗化的形式解读算法推荐系统，实际上是一个用户对视频内容满意度的函数，这个函数包含内容、用户特征、环境[1]特征三个维度的变量。第一个维度是内容。各视频平台如今已经是一个综合性的内容平台，各类视频内容具备各自的特色属性，需要考虑提取差异化的内容类型特色做好推荐。第二个维度是用户特征。包含各种用户性别、兴趣爱好，年龄段、职业属性等，还有很多模型刻画出的隐式用户兴趣等。第三个维度是环境特征。协同性特征、热度特征、相关性特征以及环境特征，这些特征是移动互联网时代的特点，他们随着位置的不断变化、所处场景的差异，用户对信息偏好会有所偏移。推荐系统给出的推荐结果都是个性化的，不同的视频消费者看到的结果一般而言差异很大。推荐系统可以通过分析视频消费者以往点击或购买的记录，以及其他用户点击或购买的记录，给出一些让视频消费者意想不到甚至以前从未了解的推荐，而这些推荐往往却是消费者喜欢的。创作者有针对性的了解用户喜好，通过系统推荐算法优化自己的创作内容。

2 完善用户画像定位，优化内容策划

视频创作首先解决的问题是内容定位问题，视频内容是拍给哪些群体看的，所以必须要对目标用户画像有个全面的了解。每个视频平台的推荐机制算法是根据用户注册时所选择感兴趣的领域进行推荐，用户注册后完成第一阶段的画像描述，每一次的点击和阅读都会被系统计入算法，用户观看的次数越多，用户画像所积累的数据越明晰，系统推荐就会越准确。

对于各平台的算法系统来说，用户画像就是将所有用户信息进行标签化的重新分组，用户画像数据划分为静态和动态两类：

静态用户画像数据包含用户独立于产品场景之外的属性，通常具备人口统计性意义，例如用户年龄、性别、受教育程度、婚姻情况、静态常驻位置等。当然，这些信息往往相对稳固，可通过第三方软件数据库共享登录、用户表单填写等方式获取。

动态用户画像数[2]据包含用户在产品使用模式下所发生的显式或隐式行为。显式行为包含对视频内容评论、点赞、分享及关注了某位视频创作者等。由于产品场景的差异，因此不同行为的后台所赋的权重也不一样。隐式行为包含持续观看视频的时间、用户跳出点等。一般情况下，显式行为的权重要比隐式行为高，然而因为显式行为所表现的数据相对稠密，为了将推荐引擎训练更为“聪明”所以需要隐式行为来对数据进行二次增补验证。

因此，对于视频创作者来说，关注用户画像数据可以清晰指导自己的用户粉丝到底是哪类人，要服务的群体是哪些。现在每个视频创作者后台都会对作品有详尽的数据分析后台，用户画像的动态和静态数据都可以清晰的获得。创作者完全可以依据后台的粉丝用户画像来进行内容优化。例如增加粉丝相对集中的地域相关议题设置在内容中，这样很容易获得算法的推荐。

3 利用相关性特征，增强内容垂直度

算法推荐机制有个重要的参考环境特征就是相关性特征，這个参数将审核内容的属性和与用户是否匹配。这里的匹配包含主题热点匹配、来源匹配、关键词匹配、类型分布匹配等。这就需要视频创作者提高自己的内容与粉丝用户之间的内容相关性，也就是做垂直类的内容。

垂直度就是视频账户的一个系统标签，而垂直度的作用就是把愈加精准的流量推送的你的内容上。作品的垂直度可以相应的积累创作者的品牌，树立品牌的可信度，可以让推荐引擎通过数据积累，优先推荐你的品牌。在算法处于支配地位的平台规则里，视频创作者们的账号应该是持续制作并输出同一个领域的内容。如果说你今天是娱乐的内容、明天是做产品评测、后天做美食，那毫无疑问这是一个没有垂直内容的视频创作者，账号被推荐的权重比例就会受到很大的影响，所以从始至终的垂直类内容也更易获得用户粉丝的青睐。由于每篇内容都会经历无人问津的启动过程，具有一定粉丝量的品牌创作者会得到更高的系统曝光展现量，算法机制也会在内容话题相似时优先考虑品牌更好的内容创作者。总之就是要形成一个自己专属的人设和吸引粉丝留下来的原因。专注于原创的垂直领域也会受到算法推荐机制的垂青。视频平台自带的基因就是对原创内容友好型基础，平台是连接视频创作者和视频消费者的桥梁。一致积累原创垂直内容创作者所聚集的用户粉丝都属于对此类细分领域感兴趣的用户，算法系统会优先推荐新内容给订阅粉丝，他们的观看行为会极大的影响后续的推荐阶段数据。所以一旦不是他们所感兴趣原创垂直类内容，就会立刻关掉视频，甚至取消订阅。这对于视频创作者来说具有极大的杀伤力。

专一一个领域的内容输出更易产生专业化的内容，可以叠加创作者自身品牌属性。坚持内容垂直能够增加推荐量，标签越精确，系统推荐的用户就越准确，能够协助创作者更广泛的吸引用户粉丝。

4 完善视频元信息，让推荐引擎正确理解内容

对视频创作者来说，仅拍好视频还不足以成功，还必须在分发的阶段，补充更完善的视频文本元信息才能有助于被算法系统发现。虽然各视频平台能够基于帧为单位的视频音轨道分析引入算法推荐系统，但目前的算法技术还不能完全真正理解视频内容的含义，对于优质内容只能基于过往优质的数据积累赋予权重，所以让机器完全理解视频内容尚达不到大规模工业应用的水平。因此，视频创作者应当尽量完善平台提供的可补充视频的基础元信息的文本标签，如视频标题、关键词、内容简介、行业分类等，给算法系统提供一个可以易于转化、理解内容的途径。

以标题为例，好的标题是视频火爆的起点。它就像一个人名字一样，是用户粉丝快速了解视频内容并产生记忆与联想力的重要路径。恰当的标题可以成为流量的入口，激发观众对视频的探索兴趣，还会引起评论区热度而带动视频互动率。好的标题需要给用户构造场景来激发用户的好奇心，经过提供对用户有价值的信息，让用户在点击后取得数据收获。目前主流的短视频平台对标题限定在30字以内。所以标题字数要适中，字数太少无法保证机器提取信息的准确度，字数太长会影响用户体验。相对来说，20～25字的三段式标题是针对算法机制来说最受欢迎的。所谓三段式就是在规定的字数内，将标题用标点分为三个部分，这样能使用户和算法引擎更容易了解，便于承载更多的内容信息，经过三段式标题层层递进的形式，让内容表述更为明晰准确。又例如在话题的选择上，也是完善视频元信息重要的一环。视频平台一般会根据时下热点重点推出多种话题，一般会以“##”符号在标签页作为系统索引，增加内容展示量。所以创作者在发布时要根据自身视频内容定夺是否参与平台的话题讨论，话题也是内容创作者极易忽视的一个重要的算法推荐机制指标。

5 置入互动内容，加速视频传播

推荐模型中，完播率、点赞、转发、评论这四项常见的显性指数是算法推荐机制中，加速视频传播的重要参考指标。它们都是可以量化的目标，能够让算法模型直接拟合做出预估。一般来说，爆款视频都具有这四项指数，当这些互动量达到一定数量级别时，系统会推荐给更多的用户。所以在内容前期策划时，要注重这些可以助推视频被更多人关注。

为什么是要增加完播率？完播率是观看完整视频的人数与总观看无中间跳出人数得出的数据比值，是内容是否将用户留存的一个重要指标。如果完播率高说明内容可以留住用户粉丝，反之则说明内容不够吸引人，视频创作者最好在视频的开头和结尾设置勾连，让用户能够坚持将视频看完，这样才能使完播率有效进行提升。这就可以解释为什么很多短视频都会出现“不看到最后你绝对后悔”“故事结局你一定想不到”等之类的文案，这么其实做就是为了提升完播率。所以前方有趣、中间有梗、后方有料的视频结构能够更好地适应完播率。

为什么引导用户进行评论？评论是对视频本体内容的延伸，其中，存在有易于表达、吐槽争议的情节、需要进行讨论的事实和观念，还有其他引发情感的共鸣集合点，这些要素都能引发用户去评论。视频下方的评论拓展了当期视频的内容深度，更多的用户评论给视频内容提供了差别视角的剖析和信息增补。为了促成用户观看视频的同时有更多的评论量，需要在内容策划上将选题有更强的冲突性和代入感，在结尾处留有悬念，主动引发用户对视频内容进行讨论。在评论中，创作者应该主动回复用户粉丝的评论，一方面可以增加评论量，另一方面可以增添粉丝的活跃度与用户黏性。其实，在评论区也是跟粉丝交流的好机会，可以获取用户的真实想法，哪些内容是他们感兴趣的、真正喜欢的，他们期待着哪些內容。这个相互评论的过程，也是增长粉丝的大好机会。

为什么要引导用户进行点赞？用户进行点赞，有时是粉丝用户为激励创作者而留下的支持的印记，但是更多的理由是因为观看的视频内容充分调动了用户的情绪，对内容所输出的观念表示赞许。视频是众多艺术形式的混合体，也是最能调动受众的感官，在所有单项传播形式里，视频是最容易将用户粉丝带入场景的。用户观看视频后，心理上有正、负面情感，能收获点赞的一定是愉悦、满足、认同等正面情感。如果增加点赞量，内容创作就要思考从不同的角度进行情感调度的特别设计。

为什么要引导用户转发？内容让用户觉得视频有用并且可以分享给朋友这样才能转发。转发量拓展了内容的广度，更多的转可以给面向潜在受众更多的曝光。只有新鲜的、有价值的视频更能够引起用户的转发，这也是算法引擎中的热度特征，它包含主题内容、类型、关键词以及全局热度等。热点内容在推荐过程中，特别在用户内容刚发布的时候十分有效，所以在创作中，适当关注内容热点，是非常必要的。所以创作者在制作视频时候就要考虑完播率、评论、转发、点赞等这些系统算法指标，每一个环节都精心设计后，视频就会在算法引擎的助推下加速传播。

6 结语

今天算法推荐机制已经成为互联网内容平台的标配，用户通过算法引擎获得内容。内容创作者发布的半数以上作品所取得的展示量也来自内容推荐系统。所以，内容创作者应该充分认识到，算法推荐机制下的短视频创作与传播的重要性。在算法推荐机制处于中枢的创作环境中，视频内容首先需要过算法系统的筛选，才能够展示给用户，只有让算法引擎正确地解析内容，才能更有助于内容的精准分发。所有推荐规则都会不断迭代进化，算法不仅能实现多样化、个性化的内容精准推荐，还能赋能内容生产，辅助内容运营。利用好推荐机制才能并最终趋近于推荐引擎的目标，让算法推荐机制赋能内容创作，加速视频传播。

参考文献

[1]吕白.人人都能做出爆款短视频[M].北京：机械工业出版社，2020：17-18.

[2]闫泽华.内容算法-把内容变成价值的效率系统[M].北京：中信出版集团，2018：34-35.

基金项目：吉林省高教学会高教科研课题2018年度立项课题“全媒体时代数字媒体艺术专业人才培养模式的改革研究”成果（课题编号：JGJX2018C26）。

作者简介：张宴硕，吉林广播电视台卫视频道，编辑，研究方向为媒体策划与制作。董 雪，吉林艺术学院新媒体学院，讲师，新媒体学院竞赛指导中心副主任，研究方向为传播学、媒介受众研究。