從產品和演算法角度來談談《抖音》
關於從去年開始爆火的產品《抖音》，比起其他現象級產品《小咖秀》《美拍》，抖音生命周期更長。關於《抖音》，以下幾個亮點不得不提到：
1.去中心化
對比《美拍》《小咖秀》《快手》，抖音去中心化可以說是做的最徹底和最足的。在產品的各處細節和場景中，都在特定避開大V的運營套路，刻意打造一個去中心化的社會網路。 首先是搜索場景，推薦的熱門標籤是熱點事件或場景，往下刷可以看到基於場景聚合的事件。 對於一個視頻內容軟體，竟然沒有排行榜。細想排行榜的邏輯，排行榜在促使優勢積累，是形成大V的手段之一。抖音避開排行榜可謂用心良苦。
抖音的社會化網路是以事件節點的，而非人物。一個用戶基於一個場景（比如海草舞）發起來一個挑戰，人便基於這個事件而聚合在一起完成一次挑戰。
2.不對用戶做任何假設
關於抖音首頁的推薦演算法，也可以拿出來一說，從內容邏輯來觀察，抖音推薦演算法最大程度保留了新鮮度。抖音首頁採用的是基於用戶行為的推薦。
一種推薦方法是基於視頻和文本內容提取特徵，並與用戶畫像特徵計算相似度，相似度越高，推薦概率越大。這種推薦的方法弊端是推薦內容缺乏新鮮度，用戶點擊看長腿美女，於是大概率後面的內容也是長腿美女。 另外一種推薦方法是純粹基於用戶行為數據。這種方法不對用戶偏好做任何假設，不對內容文本做特徵提取。從個人經驗來談，特徵工程是雙面利器，實際情況是，特徵工程常常無法挖掘出內容（視頻、音頻or 文本）潛在意圖和特性。從信息熵增原理來理解，世界的不確定性總是朝增大的方向發展。特徵提取會把人為的主觀偏見引入模型。最好的假設是不做任何假設。
那麼如何基於用戶行為數據，如何建立一個基於事件網路結構的推薦演算法模型？給用戶的推薦路徑可以理解為基於事件網路的隨機遊走。可以參考pagerank，AP等圖模型演算法。（這部分可寫的東西太多，暫不展開講)
3.隱秘的上癮機制
作為一個爆紅的娛樂性產品，上癮的設計是必不可少的。過年有段時間在家，一有空閑時間便手殘般的刷抖音的首屏推薦。
首先談談煙癮形成的原理，煙中包含的尼古丁可以讓大腦分泌一種叫『多巴胺』的物質，讓大腦產生愉悅感。但尼古丁來的快去的也快，為了找到消失的快感，大多數人會再點上一支煙，重新獲得快感。就在不斷的吸煙->獲得愉悅感->愉悅感消失->繼續吸煙循環中，成癮性依賴。
任何讓你上癮的產品也是一樣的原理，在不斷的刷中，獲得短暫的愉悅感，為了找回愉悅感，繼續不斷的刷。所有遊戲的機制設計，都有獎勵成就帶來的爽快感和挑戰挫折的不適感之間來迴轉變的機制，在這個過程中成癮性依賴。與抖音類娛樂產品不同的是，遊戲的心理滿足感曲線通常是遊戲策劃通過每個關卡挑戰難度、成就和激勵的數值調整設計出來的。
遊戲的心流曲線，刻意設計具有規律性。
抖音的心流曲線:
4.把一個點做足
《抖音》有三個主線場景：推薦、搜索、完成一次挑戰。在首頁的推薦場景中，最重要的一點是快！在用戶打開產品刷屏這個動作，網路載入速度一定要快。瞬間到達會愉快的體驗快感。
推薦閱讀：
TAG:抖音 |