Tiktok、抖音及头条系为什么能引爆?产品力和算法力「AI产品/工程落地」

关注:决策智能与机器学习,深耕AI脱水干货

Tiktok、抖音及头条系为什么能引爆?产品力和算法力「AI产品/工程落地」_第1张图片

 小伙伴们最近一定被Tiktok被禁、出售的各种新闻刷屏,一个APP究竟如何在全世界都如此受欢迎,顺势而为的Tiktok、抖音以及今日头条等头条系的爆款们到底做对了什么,是什么强大的算法在背后支撑整个产品线?今天咱们就来一探究竟。

 

缘起

众所周知,Tiktok是抖音的海外版,抖音则是今日头条获得第一桶金的张一鸣在2016年9月20日面向全年龄段推出的短视频社区平台,主打社交牌,自此一发不可收拾,迅速在国内引爆流量,截止2020年1月,中国短视频用户规模正在向7.2亿人迈进,而抖音已经成为日活4亿的平台,也就是如果按每人每天使用1次的话,全国每四个人中就有一个人在使用抖音,当然这个数字不排除有水分或者一个人有多个账号的情况但也足以说明其受欢迎的程度。

 

短视频江湖自2005年开始就初见端倪,不知大家是否还记得那一年有个20分钟的《一个馒头引发的血案》爆红网络,而20分钟在当年就已经被称为短视频了,对比现在的5秒、15秒、1分钟、5分钟的视频长度,不得不说当年大家的注意力还是比较持久的。而嗅到这个机会的绝不只有张一鸣,新浪微博、腾讯微视、微拍、微录客等等,短视频江湖上竞争激烈。最终抖音一骑绝尘成为头部APP除了得益于背后头条的资源之外,对需求的精准掌握和背后推荐算法的强大都是重要因素。

 

产品力:精准奶头乐供需

先说产品,精准抓住供需。需求端,奶头乐紧紧抓住用户注意力,填补无聊;奶头乐,来自美国著名的战略家布热津斯基(Zbigniew Brzezinski)认为,唯一的方法,要让全球80%“边缘化”的人安分守己,就给他们塞上一个“奶嘴”,转移其注意力和不满情绪,让他们安于为他们量身订造的娱乐信息中,慢慢丧失热情、抗争欲望和思考的能力。这就是闻名遐迩的“Tittytainment战略”,由Titty(奶头)与 Entertainment(娱乐)合成,中文译为“奶头乐战略”。其实相声、二人转中的抖包袱也属于类似的方式。

 

这就能看出来抖音这类产品的核心定位了,在社交需求的大背景下,用短平快的愉悦体验,持续刺激用户大脑的多巴胺反应,从而不断的刷新使用,就好像用电刺激小白鼠的大脑多巴胺区域,小白鼠就会不断按照人类设定的方式寻求电刺激一般,周而复始。这也就是为什么经常一打开抖音或者今日头条,一个小时就不知不觉地过去了。

总的来说,抖音定位的群体还是年轻人为主,在美国的Tiktok的用户绝大部分也都是Z世代年轻人,Z世代是美国及欧洲的流行用语,意指在1995-2009年间出生的人,又称网络世代、互联网世代,统指受到互联网、即时通讯、短讯、MP3、智能手机和平板电脑等科技产物影响很大的一代人。

 

创作者收益赋能个体持续输出内容。奶头乐固然好,可也要有人提供才行,那就必须要说一说这个创作者收益激励机制了,现在几乎已经成为内容平台的必备要素了,像B站、微信公众号等都采用了这种方式。这就好像当年的家庭联产承包责任制一样,包产到户,多劳多得,而且抖音又提供了非常简单易用的视频生产工具,上传一个歌曲,再配上一段视频,就完成了,当然质量越高的内容所用的工具就可以更加专业,视频剪辑也逐渐变成一门有门槛的技术。

算法力:推荐算法及机制

 

供需两端都有了,就还缺少一个高效强大的桥梁来打通枢纽,也就是头条系产品的黑科技:推荐算法。推荐算法现在说起来已经不是什么神秘的事情了,我们每天打开淘宝、京东、知乎、B站等等,推荐算法无处不在。虽说这推荐算法的技术原理大致相同,无非是传统的协同过滤模型,监督学习算法Logistic Regression模型,基于深度学习的模型,FactorizationMachine和GBDT等,但推荐的好不好还是很有差别的,而且不同场景下的推荐机制不尽相同。因此,一个优秀的商业化推荐系统需要非常灵活的算法实验平台,可以支持多种算法组合,包括模型结构调整。因为很难有一套通用的模型架构适用于所有的推荐场景。当然背后的内容与用户的数据积累也是非常关键的,否则为啥百度搜索大家都在抱怨,但也很难在国内找到更好的替代产品呢。

Tiktok、抖音及头条系为什么能引爆?产品力和算法力「AI产品/工程落地」_第2张图片

 

抖音的推荐算法系统可以说是独步江湖,这也是张一鸣在今日头条起家时的独门秘笈。先简单一句话总结,抖音的推荐算法就是可以跟用户心有灵犀,猜中你内心深处的趣味,只要你点击几次,就能够迅速而准确的找到你的“兴奋点”,让你欲罢不能……呃,好像有点说歪了,也可能是你想多了。

 

言归正传,抖音的核心算法机制是一种叫做漏斗算法,也叫赛马算法。就是对一个审核通过的内容,先给到一个基础的推荐量,大概在几百到一千,再根据这个视频的受欢迎程度结合账号的历史分值来判断是否进一步加权,比如比如完播率、点赞、关注、评论、转发、转粉、游览深度等,进入加权队列的视频,会在增加推荐量,比如上万次左右。以此类推,逐渐对胜出的内容加大推荐量,也可以叫曝光率。

Tiktok、抖音及头条系为什么能引爆?产品力和算法力「AI产品/工程落地」_第3张图片

 

最牛的视频就是进入精品推荐池的视频,也就是所谓的破圈爆款,一旦进入这个Level后,视频推荐的特定标签就被弱化了,可能会被推荐到全平台的每一个用户,就像当年温婉的视频,几乎每个抖音用户都会刷到温婉的视频。

Tiktok、抖音及头条系为什么能引爆?产品力和算法力「AI产品/工程落地」_第4张图片

 

除了这种经典的推荐流程之外,还有一种延后引爆的现象,很有特色,包括挖坟和爆款效应。

 

挖坟,即抖音会按一定规律在历史数据库中挖掘被算法判定为“优质”的老内容,然后放到流量池中进行推荐尝试,依然是同样的配方同样的流程,如果踩中了风口,那就可能老树发新芽,被引爆。

 

爆款效应,即所谓一人得道,鸡犬升天。当一个创作者出现了破圈爆款之后,很可能会带来大量的粉丝和关注者,随之而来的是这个创作者以前的作品点击量也大幅增加,带来了一种全盘引爆的盛况。

 

具体的算法模型公式和代码在各种学术论文和开源代码中有很多,这里就不展开了,感兴趣的可以拓展阅读。

算法的算法:价值观?思想?

 

最后说一下算法的理解,其实随着人工智能技术的不断发展,算法模型的公正性和伦理问题已经逐渐受到大家的重视,比如利用特定数据训练出来的识别算法,可能存在性别歧视或种族歧视。而抖音这种内容推荐平台的算法,同样存在类似的问题,算法背后可能是一种价值观或思想在主导,你也可以说我的算法没有价值观,训练出来什么样就是什么样,那么,训练的数据就是一种被动价值观。

 

这就好像计划经济还是市场经济一样,或者说自由主义还是社会主义。作者认为,这里面都是有一个度的,就好像一个小孩在成长的过程中,完全放任自己去尝试,那可能就是碰到什么环境就变成什么样的人了,可是孟母三迁,家族门风的作用不可不见。

 

也就是说,我们虽然不能要求每个人都是精英,但还是要避免陷入消极、悲观、抱怨的负面价值观之中,因此,具备基本的道德观和正能量价值观的算法必然是未来大势所趋,否则也不会有越来越严格的审核机制存在了,从各个角度讲,这对社会和未来都是好事情。

历史精华好文

  • 专辑1:AI产品/工程落地

  • 专辑2:AI核心算法

  • 专辑3:AI课程/资源/数据

交流合作

请加微信号:yan_kylin_phenix注明姓名+单位+从业方向+地点,非诚勿扰。

你可能感兴趣的:(算法,大数据,人工智能,编程语言,python)