快手如何變為短視頻社交領域獨角獸？

文/數據俠 侯奇穎

作為最早一批拿到短視頻船票的產品，快手從默默無聞到飽受詬病，再到如今短視頻社交領域的頭牌，背後是是套怎樣的演算法在作支撐？今天這位數據俠，就帶大家一探究竟~

快手如今已不是過去那個擁有超大用戶量但江湖鮮有其傳說的產品了。取而代之的，是快手幾個讓人印象深刻的數據：估值超過100億，註冊用戶過6億，月活躍用戶1.8億，DAU

根據易觀最新的報告，2017年7月短視頻綜合平台類App排名中，快手位列第一，MAU達1.4049億人，活躍用戶環比增幅2.68%。而位列第二、第三的土豆視頻和火山小視頻月度活躍用戶均在兩千餘萬人。

另外，我發現快手的產品表現層上幾乎沒有任何改動，架構上始終只有三個Tab「關注」、「發現」和「同城」。其在App Store上的版本記錄里，每次都只有兩點。

如此驚人的數據，產品前端卻很簡單，幾乎看不到什麼變動，而快手CEO宿華曾經提到過，推薦演算法對快手產品影響很大，這都引發了我的好奇：從產品角度來說，到底快手憑什麼長期成為短視頻社交領域的頭牌？它又為何選擇個性化推薦演算法的打法呢？

不管一款產品如何設計，最終的目的都是爭奪用戶的時間，提高用戶的粘性，為最終的變現鋪墊。短視頻產品的核心數據是點擊率和使用時長，一切都是圍繞著提高這兩者而展開的。而無疑，快手的數據已驗證了推薦演算法在短視頻領域裡的成功。

快手的產品思路是：

1、交互簡單易懂，反過來積極影響演算法；

2、組合各種推薦演算法，覆蓋用戶不同需求，以達到儘可能推薦的視頻都是用戶想看的；

3、架構整體規劃，用戶使用產品的流程中，全程都影響演算法，達到產品的個性化。

個性化推薦的目的在於通過全方位的數據，精準刻畫出用戶意圖，針對性地給用戶推薦其願意觀看的視頻，提供極致的產品體驗，提升視頻觀看率，增強用戶黏性。產品的關鍵點就在於分析用戶的意圖，並將個性化的推薦結果通過巧妙的產品設計傳達出來。

另一方面，交互也會影響演算法，由於交互界面的作用是用來搜集數據用的，實現提升推薦精準度的目的，因此交互反過來影響演算法。

交互影響演算法

打開快手App，在沒有登錄的情況下，界面非常簡單，沒有常見的視頻類別，也沒有按照視頻熱度的兩個維度，即播放量和紅心數的多少設置排行榜單，而是以瀑布流的形式展示內容。可以看到，優先展示的是紅心數多的視頻，有的紅心數上萬或上千，少數紅心百位數或十位數，但視頻卻並非按照紅心數從高到低排序，看起來完全是隨機的。同時考慮視頻的新鮮度，從時效性上優先展示的是一天內的視頻。

在觀看了幾個視頻再刷新後，會展示更多相類似的視頻。未登錄情況下，用戶只能看視頻，無法進行其他任何操作。

那麼，為何不設置排行榜，且優先展示的是紅心數而非播放量呢？

我想到的原因有兩點：

1、排行榜需要更多運營的投入，同時容易培養大V，會起到主觀引導流量的目的，快手不這麼做，在戰略上是有原因的，具體分析看下文。

2、在我看來，播放量是沒有任何情緒色彩的，而紅心有。紅心這個行為是比播放更核心的用戶行為。從這個角度來說，這也與主流的以播放量為第一考慮要素的方式有區別，個性化推薦需要的是與用戶自己有關的信息，而不是其它。

推薦方法覆蓋不同需求

組合各種推薦方法，可以覆蓋到用戶的大部分需求。用戶再根據結果操作，這些顯性和隱性反饋會持續再反饋給系統，系統最終將多種反饋得到的結果，按照一定的優先順序規則給到用戶，最終達到1+1＞2的效果。

登錄後三種不同推薦Tab，組合不同推薦方式：

在登錄後，會發現有三個Tab：「關注」、「發現」和「同城」。

默認Tab是「發現」，展示邏輯與未登錄時相似；「關注」Tab里展示所有我之前關注的創作者的視頻；點擊「同城」，系統直接基於LBS數據匹配附近的人發布的視頻，它強調的是視頻生產者與觀看者之間的實際距離。

那麼，為何是按照這三個Tab來呢？我想到的邏輯是這樣的：

1. 圍繞用戶核心行為設計，免於教育用戶的同時更有助於用戶的沉澱；

2. 多種推薦演算法重疊，彌補不同演算法的缺陷，使推薦結果更加精準；

3. 持續維繫好內容消費者和內容生產者的關係、紐帶。

首先從產品設計角度來說，好的產品不需要去特意引導用戶，能簡單盡量簡單。快手的用戶需求就是看視頻，產品在設計時需要思考如何讓用戶更高效地看到自己願意看的視頻就好。加功能容易，但能剋制不讓功能繁雜卻很難，這是做產品的初心，快手一直保持著。

另一方面，這樣做也與目前短視頻常用的推薦演算法有關。「發現」這個Tab，就是短視頻常用的推薦方法：協同推薦系統和內容過濾系統這兩種推薦方法結合的結果。

協同過濾系統就是通過用戶歷史觀看視頻的行為，分析用戶興趣給出推薦。但協同過濾演算法有個缺點就是不能冷啟動，因此需要混合別的演算法，比如內容過濾系統。內容過濾系統，給用戶推薦他們之前喜歡的視頻內容相似的其他視頻。

在體驗的過程中我觀察到，在我進行了觀看、喜歡和關注幾個創作者後，快手給我推薦的類似視頻變多了。系統會搜集用戶的顯性行為，並進行優先順序排序。最重要的幾個顯性行為包括了：點愛心、評論、觀看視頻長度、減少某類視頻。

在「關注」這個Tab下，根據時間維度隨機展示了此前關注的創作者的視頻。從用戶的主要需求「看視頻」這個角度來看，只用時間維度也是合理的，因為在關注這個欄目中，用戶的喜好已經很明確，不需要其他的東西來干擾用戶決策。

從另一個角度來說，「關注」欄目的播放量，也是生產者視頻未來持續曝光的一個入口。往更深了說，「關注」提供了一個讓內容消費者和內容生產者能持續交流的紐帶。

內容推薦系統的核心，是計算兩個視頻在內容上的相似度。

從界面上可以發現，用戶錄製好視頻，輸入一段描述性文字即可發布。系統在用戶發布後會進行內容的識別和判斷，然後以某些方法來劃分視頻，比如計算某些視頻的相似度。通過視頻的標題或描述、發布位置、評論等抽取某些關鍵詞或給視頻打標籤，再根據某些模型計算視頻相似度來進行推薦。目前看快手沒有讓用戶自己打標籤，而完全交由機器來執行。

那麼，「同城」這個Tab，即是通過用戶發布時的位置，進行推薦的。目前看，主要是根據距離的遠近來排序，優先排序近的。但這個欄目中，會優先展示買了頭條和正在直播的用戶。作用其一，是提高內容生產者的曝光可能性，其二，增加用戶的社交關係鏈，為用戶的沉澱提供更多可能。

產品的個性化需求

除了以上的三個Tab，還可以通過搜索來找自己想看的視頻。

點擊頁面左上角的小圖標，進入到個人中心頁面，在搜索框中輸入某個關鍵詞，會列出昵稱中和個人介紹中含有該關鍵詞的用戶，並按照關注用戶的多少進行排序。

「標籤」一列，是快手商業化變現的一種手段，這裡不談。

除了以上說的兩種主要的推薦演算法，還有一種叫社會化過濾系統，根據用戶在社交網路中的好友做推薦。在快手上也體現出了這點的設計，比如登錄時，可以用微博或微信登錄，快手可以抓取用戶在微博上的數據，分析用戶的喜好，有利於更了解用戶。另外也可以導入手機通訊錄，從而關注手機通訊錄的好友，同時會根據你之前關注的人推薦另一批用戶給你。

這裡我猜測有個默認的邏輯，即我關注的人關注的人可能也是我感興趣的人，同時還有一種可能性，這兩個創作者的內容有相似。

以上說的都是從內容消費者角度看到的，從內容生產者角度來說，要想讓產品持續有生命力，讓視頻曝光就是最關鍵的，我想這裡涉及到了更深入的權重策略，目的就是能夠平衡好新老內容創造者。

那麼，新的問題來了，為何快手是以個性化推薦的方式切入到短視頻領域，而不是其他的方式？從上面的體驗，我們可以得出一個結論，快手的產品是圍繞社交展開的，它是一個UGC短視頻信息流社交產品，使用個性化推薦的技術為用戶提供視頻內容。在產品的設計上，著重考慮如何讓人和人之間、人和內容之間以合適的方式觸達對方。那麼，反推這樣設計的緣由，你就能明白為什麼快手要堅持以個性化推薦的方式切入到短視頻領域了。

1、目標用戶群定位，差異化競爭

要想讓自己立足，就要做差異化競爭，但如何差異化需要思考三個點：

目標用戶是誰，用戶的需求核心

競爭對手最薄弱的地方

自己最大的優勢

秒拍藉助微博擁有粉絲效應的明星資源，美拍的群體主要是年輕女性，定位精準成為了他們的優點，但也同樣變成了弱點——無法發力城市的邊緣人群和二三線城市的用戶。

另一方面，快手CEO宿華的背景就是搜索和推薦演算法方面的大牛，這是他們切入短視頻領域很好的一個技術優勢。產品要想快速形成優勢，技術優勢是很難超越的一個點。

另外，個性化推薦能有效地讓內容生產者和內容消費者之間快速連接，形成強紐帶。有助於產品用戶量快速上升。

當然，上面這些點還不足以佐證快手轉型短視頻領域的原因。我個人更願意相信，這是創始團隊的戰略眼光。看到了短視頻領域未來的趨勢。

2、人和內容之間更好交互的需要

社交就是一個圈子，個性化推薦最終會讓內容的生產者和內容消費者進入到一個自己創造出來的只屬於自己的圈子。短視頻社交的目的當然也是為了更好的沉澱用戶，提高留存。物以類聚，人以群分，說到底，我們不僅是看視頻，而是通過看視頻不斷的感受自我存在感。個性化推薦從某種角度來說，會讓我們找到跟我們相似的人，而這會增加用戶留下來的可能性。

3、冷啟動的需要

不設分類，不按照一定規則進行排序，去中心化的內容分發形式，其實是快手早期冷啟動的需要，也是非常有效的方法。當快手在轉型之初，會面臨視頻內容數量不足和質量不優的雙重問題，因此需要一種產品形態，既可以滿足冷啟動的需要，同時又能讓用戶持續對產品有興趣。

在產品策略上，選擇去中心化的內容分發形式加個性化推薦，是從產品戰略角度出發的，這個在後文會提到。而推薦系統需要根據用戶的歷史行為和興趣傾向來預測用戶未來的行為和興趣，因此在沒有大量的數據為推薦做先決條件之前，就需要考慮這個冷啟動的問題。

4、提供用戶最有用信息的需要

如果要做UGC的信息流產品就必然面臨著隨著時間遷移，數據量越來越多，用戶就會面臨信息過載的問題。推薦演算法的目的之一，就是從海量的數據中過濾出對自己有用的信息。而快手的三個Tab的設計和個性化的推薦方式，某一方面來說，不僅是產品圍繞社交設計的需要，更是出於信息過濾的考慮而設計的。

5、內容生產者和消費者之間的良性循環

演算法的核心是理解，理解用戶、理解內容、理解彼此之間如何交互，再根據理解進行匹配。如前文所說，最終需要著重考慮如何讓人和人之間、人和內容之間以合適的方式觸達對方。UGC視頻數量巨大，從用戶的角度而言，推薦系統的目的，就是為了幫助兩類用戶：

一類是內容消費者，在面對海量信息時，提供更符合消費者喜好的內容，幫助找到自己真正感興趣的內容，並帶給對方驚喜的體驗。

另一類就是內容生產者的角度，目的就是能夠順利幫助他們曝光內容，得到廣大用戶的關注。

從平台的角度來說，作為一個UGC短視頻社交平台，最重要的就是用戶粘性，也就是需要提高並持續保持住自己的流量，唯一要做的，就是能夠讓內容生產者和消費者之間形成有效流轉的閉環，實現內容消費者和生產者之間的雙贏。

個性化推薦的做法，讓內容生產者明確自己的商業變現方法，即人人都有機會成為網紅，都有機會變現。內容和用戶的高度匹配，能夠持續不斷的吸引更多創作者創造優質內容，從而吸引更多消費者，而良好的用戶反饋則反之促進內容生產者的生產，各取所需。

6、平台價值的考慮

短視頻的趨勢是去中心化的分發方式，過去，編導、編輯主導著內容的分發，但這樣會導致其他內容質量不是很高的視頻難以曝光，無法獲得一定的流量支持。這樣的個性化推薦方式，人工運營的極少干預，真正做到千人千面的同時，還能持續培養一大批擁有規模不大不小的網紅，產品持續擁有自我造血能力的同時，也不至於像注重傳播屬性的平台，雖然打造出了一些大V，但也因此出現了馬太效應，且到最後，平台容易被大V裹挾，步入不上不下的尷尬境地。

而快手的這種做法，恰恰使得平台的價值沒有被削弱，這讓我想起了宿華說的，做產品就是希望用戶不要感知快手的存在，而是感知這個世界的存在。快手的口號是記錄生活，既然是記錄生活，自然是展示最真實的生活原貌，因此你看到的視頻才會是多元化的、但真實不刻意的。

寫在最後

其實到了如今，快手早已過了高速增長期，轉而進入了成熟期。成熟期的產品不約而同都需要考慮如何挖掘現有流量的價值。儘管目前快手流量大，但未來肯定需要在產品上考慮如何實現更多變現的可能，那麼當前的演算法就會制約它的發展，除非其在產品形態和模式上有更多創新。

幾年內，不管快手會如何出手，短視頻領域的競爭只會越來越激烈。我想，向海外擴張和對當前內容價值的深挖，或許都是快手必然會做的。

註： 本文僅為作者觀點，不代表DT財經立場。

題圖 | ZCOOL站酷

數據俠門派

侯奇穎，3年產品經理，現側重於研究各知名產品的產品策略。

加入數據俠

「數據俠計劃」是由第一財經旗下DT財經發起的數據社群，包含數據俠專欄、數據俠實驗室系列活動和數據俠聯盟，旨在聚集大數據領域精英，共同挖掘數據價值。了解數據俠計劃詳情請關注DT數據俠回復「數據俠計劃」，投稿、合作請聯繫datahero@dtcj.com。

推薦閱讀：