中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導語：隨著長短視頻的發展、“中視頻”的提出等等，視頻平臺應當如何運營也逐漸為人所關注。那么，承載著內容的視頻平臺可以從哪些方面入手、實現用戶拉新與留存？本篇文章里，作者總結了視頻平臺冷啟動場景下新用戶的內容推薦策略、與產品經理的相應角色功能，一起來看一下。

?

前言

憋了很久，終于打算開始切入這個話題了。

最近一直在思考，伴隨著拉新成本越來越高，對于以視頻為載體的內容平臺而言，就需要更加細致地為新用戶提供起到留存價值的內容，將新用戶有效地激活、留存，讓自己少花一些冤枉錢。

因此，新用戶冷啟動內容推薦變成為“拉新內卷”時代的重要議題。

通常意義下，我們所說的視頻行業有按視頻時長劃分的如長視頻、短視頻還是最近奇奇怪怪硬炒作的“中視頻”，也有按照版權形式進行劃分如PPC（版權采買）、PGC（平臺分成）、UGC等。

本文更希望將目前的市面上的視頻內容性質拆分為版權視頻（采買或分成）、用戶視頻兩種視頻形式。

一、版權視頻和用戶視頻內容差異

1. 內容成本

眾所周知，國內版權采買目前是一個非常昂貴的狀態，因此內容數量和平臺資金呈現正相關。

用戶視頻目前除了大多頭部MCN及創作者之外，絕大多數視頻都是免費狀態，當然也存在視頻平臺補貼所有創作者的狀態出現。

因此從內容成本而言，版權視頻內容成本遠高于用戶視頻。

2. 內容體量

這里的內容體量包含兩個方面：數量及多樣性。

先說數量，版權視頻中的每一個內容都是通過花重金采買的，因此從供給端的資金成本而言，頭部PPC、PGC平臺內容數量就會低于UGC視頻平臺。

再說多樣性。版權視頻從制作到上線，大體流程是制片人選擇IP——編劇編撰——劇本敲定——導演引入及選角——內容拍攝——剪輯——送檢審核——上線8大步驟。

用戶視頻的誕生主要步驟是有創意——拍攝（剪輯）——安全審核——上線這4大步驟。

通過以上步驟我們可以發現每一步都是在降低內容多樣性，版權視頻需要8大步驟，而用戶視頻僅需要4大步驟。因此在內容多樣性方面看，用戶視頻的多樣性大幅領先版權視頻。

3. 內容質量

可以延續1.2的視頻漏斗模型，通常而言，經過步驟越多，審核人員和制作人員專業性越強，對于內容質量的把控也更高，專業制作水平也更強。因此從平均單一內容質量而言，版權內容的內容質量絕大概率由于用戶視頻。

4. 內容維護精細度

通過前面三小部分的介紹，我們可以了解到版權視頻和用戶視頻在視頻體量、視頻質量、視頻成本三個方面的不同。

因此我們可以知道，版權視頻和非版權視頻中，平均每個獨立視頻的內容維護精細度也是相差很大的。

兩者相似的地方包括視頻標題、封面圖、視頻時長、標簽分類之外，版權視頻（長視頻）對于視頻封面、視頻標題、參演人員、標簽分類、內容賽道、內容評級會有更加詳細的信息維護，其中視頻封面、視頻標題更是會有多套信息維度并打上消費喜好的標簽。

短視頻（用戶視頻）則會更加在視頻分發時強調視頻作者，作者信息會更強地表露出來，如頭像、昵稱、作者簡介、聯合創作之類的信息。

二、內容推薦

在這里不在詳細闡述推薦系統的的由來和工作原理，有需要可以看《推薦系統實踐》這本書。眾所周知，產品經理在做推薦時著重需要對兩個步驟進行分析：召回和排序。

1. 內容召回

常用有效召回包括三種類型：

1. 個性化內容召回；
2. 通用優質內容召回；
3. 個性化內容召回+通用優質內容召回。

2. 內容排序

常用的排序方案主要是三種方式。

1）個性化排序

根據內容與用戶相似性，將匹配度高越高的內容排在推薦流的前面。

2）定制規則化排序

根據一定規則對召回的內容進行排序，其中包含3種排序的方式：

1. 純人工排序；
2. 制定一定的規則進行排序（如根據VV進行排序）；
3. 人工+規則排序。

3）綜合性排序

結合個性化+定制規則排序進行推薦排序。

主要是通過在個性化排序的基礎上通過各類規則干擾個性化排序的結果，從而達到提升推薦核心指標的作用。

3. 推薦的核心指標

1）推薦服務的對象

談到推薦，我們可以想到的是精準推送；個性化分發；讓用戶上癮等。

如果從業務的角度出發來看，推薦的核心是通過直接或間接的途徑提升整體業務的北極星指標。

2）常見的視頻業務與推薦指標

當下的視頻形式大的方面是版權視頻和用戶視頻，對應的北極星指標也各有千秋。

從用戶視頻占比較多的平臺看，抖音和快手的北極星指標是DAU；版權視頻里傳統的長視頻平臺愛騰優、Netflix的北極星指標是總營收；因此面對不同北極星指標，推薦在之中發揮的作用也各不相同。

以DAU作為北極星指標的推薦：

DAU的組成為新增用戶+留存用戶兩個方面，推薦在這種主要的用處是讓新增用戶留存和活躍用戶留存都得到提升，因此最終目標指向了留存。

用戶如何能夠留下來？主要取決于用戶認為這個視頻平臺的內容有意思，因此整體推薦的指標指向了查看率和互動率兩個大指標。查看了主要是由CTR、平均播放完成率組成；互動率則是主要由點贊率、評論率組成。

以總營收為北極星指標的推薦：

版權視頻視頻平臺營收當下主要是由三大部分組成：用戶付費、廣告收入和版權分銷。

推薦的核心作用是降低用戶的選片成本，提升用戶體驗價值，同時平衡平臺收益。

不討論廣告推薦的前提下，推薦的核心在于用戶付費。RPU=DAU*ARPU，因此推薦的核心指標在于提升ARPU及DAU，同時找到這兩者的最大平衡點。

DAU上面已經說明了，ARPU的核心在于會員充值率、單獨點播內容購買率等指標。

三、新用戶的構成

我們在此將新用戶定范圍廣泛的劃定為第一次打開APP的用戶。用戶如何才能知道一款APP？主要的方式有如下幾種：

• 朋友推薦；
• APP商檢索（ASO）；
• 明星網紅推薦；
• 其他APP推薦；
• ……

通過幾種常見的新增方式，從平臺的角度而言，拉新用戶主要是通過兩大來源：

1. 渠道拉新；
2. 自然拉新。

1. 渠道拉新用戶

渠道拉新用戶顧名思義即平臺通過渠道投放、換量的方式，將平臺推廣給用戶，讓用戶下載投放的產品，從而起到提升整體新增的用戶獲取類型。

常見的渠道拉稀用戶如：網紅/明星微博推薦；應用商店推薦；國外的FB/Google國內的BAT廣告；相似或關聯平臺的換量等。

因此，在渠道拉新的用戶中我們可以發現，針對于視頻平臺而言，可以發現有些內容有些用于投放的內容我們是可控的，有些投放的內容是不可控。因此，在渠道拉新中，渠道可以分為可控投放渠道和不可控投放渠道。

2. 自然拉新用戶

自然拉新用戶對于平臺而言，也可以定位為自然增長的流量，通常通過自然流量進入平臺的用戶有兩種類型。

其一是用戶很明確地知道他想尋找的內容僅在當前平臺存在，如希望尋找周杰倫內容用戶會傾向于到快手，希望尋找《半澤直樹》的用戶會第一件事想到小破站，我們稱這部分用戶為強搜索型用戶。

其二是通過某些渠道搜索推薦或者其它的方式接觸到平臺的用戶，往往這部分用戶接觸平臺以后并不清楚自己希望觀看的內容具體是什么，觀看內容主要是通過平臺的內容推薦機制給出用戶可能喜歡的內容，因此我們稱這部分用戶為推薦型用戶。

3. 總結

新用戶有兩大類，渠道拉新用戶和自然拉新用戶。

其中不可控渠道拉新用戶、自然新增用戶兩部分可以視為無關鍵信息新增用戶，可控渠道拉新用戶可以視為有關鍵信息新增用戶。后續在冷啟動推薦時這兩者推薦中是可以存在不同之處的。

四、新用戶的內容推薦

內容推薦的核心在于內容池建立與優化、內容的召回和排序兩個部分。

新用戶新內容池決定了新增用戶能夠獲取內容的基礎質量和內容廣度，內容召回和排序則決定了新用戶與平臺建立信任的速度。

1. 新用戶推薦內容池

前文提到了，新用戶可以分為有關鍵信息的新增用戶和無關鍵信息的新增用戶，因此在新用戶內容池構建中可以確定思路為內容池由基礎內容池和補充內容池兩部分組成。

補充內容池主要是由有關鍵信息的的內容及關聯內容進行填充，基礎內容池則是新用戶內容池最難的部分。

1）新用戶基礎內容池建立及優化

新用戶內容池面對的用戶是主要是沒有和平臺接觸過的用戶，因此用戶并不清楚平臺的調性，平臺內容的引導性。

因此，平臺在面對新用戶時，需要緊密圍繞當前平臺的北極星指標，將北極星指標管理路徑上表現優質的內容篩選出來，作為新用戶的冷啟動內容池。

伴隨平臺內容的不斷增多，時事熱點內容的不斷革新，這個時候冷啟動內容池需要引入當前平臺的新熱內容，并將已經過時久遠的實時性內容移除出冷啟動內容池。同時需要根據社會變化，需要將已經不符合平臺、社會主流價值觀的內容淘汰出冷啟動內容池。

冷啟動內容池的組成：大致可以分為經典內容+實效內容。

經典內容：經典內容=平臺內容用戶觀看體驗較好的內容。如B站芳斯塔芙、小文哥吃吃吃、老師好我叫何同學等up主創作的一些經典內容。

經典內容的篩選指標：以B站用戶視頻為例，vv超過10萬以上的內容，主要查看內容的點贊率、投幣率、收藏率、三連率、評論率、近一周播放、創作時間等信息。

當這里面能和北極星指標關系度最高的某幾個指標找出，在劃定冷啟內容池中，將這些內容優質內容不斷添加進入冷啟內容池中，并在在后續將數據表現不那么好的且所在分類下內容數量較多的內容逐步淘汰出內容池。

時效內容：顧名思義是和當下熱點內容息息相關的。

這部分內容主要特點是效性高，熱度散得快。因此這部分內容講求的是需要以最快的方式進入到冷啟動內容池之中，在熱度大幅衰減（如VV、點贊等）出現后一段時間，移出冷啟內容池。

2）新用戶補充內容池的內容補充規則及方法

所謂補充內容，即當平臺了解到用戶在站外是通過哪些內容被吸引后打開平臺時出現的操作。

那么這部分主要是用戶在站外看大的投放內容，和當前投放內容相關性較強的內容以及和投放內容用戶觀看行為上相關的內容。在針對于知道用戶在站外觀看內容而言，可以將這部分內容放入推薦池中。

當知道用戶在站外被哪些內容引流以后，經過算法的篩選，可以獲取相似（內容相似&行為相似）內容，將整體內容作為用戶進入平臺后冷啟動的內容池承接用戶瀏覽，可以進一步獲取某一渠道用戶的內容偏好，從而可以指導做投放同學進行某一渠道內容篩選，從而實現系統級的推薦循環。

整體流程圖如下：

2. 視頻推薦機制

1）常用的視頻推薦機制

內容推薦主要來自于兩個步驟，召回和排序。

對于新用戶而言，內容池均為冷啟動用戶內容池，因此在整體的內容召回中，需要根據不同產品的交互形態，一次性召回多種類型的站內優質內容，以保證用戶對于內容選擇的多樣性。

排序則是在召回的內容后按照一定的機制實施調整已召回內容的排序，由于面對的是新用戶，獲得內容消費信息較少，因此在排序中變回存在有兩種狀態下的排序規則。

冷啟動內容的內容初始化排序主要集中在品類權重和內容權重兩個方面。品類權重則指定的是歷史上某個地區范圍內，哪些內容品類消費數據較好，對留存的影響較大，那么這個品類的權重就會相對較高。

為了適應用戶的廣泛性碎片化內容需求，品類需要做到盡可能的全面。品類中的視頻需要按照與北極星指標中相依系數最大的指標做排序，由此確定品類內視頻的排序。最終將品類內部所有的內容打散，通過算法做多品類內容綜合排序，來確定新用戶無行為時查看到的第一波視頻。

2）長短視頻在推薦中的側重點

前文提到，由于各家平臺內容成本和用戶的不同，因此在推薦中會強調很強的差異性。

以用戶視頻為主的平臺推薦：

由于這類平臺內容數量巨大，細分場景下視頻覆蓋度廣，因此這類平臺在推薦時聚焦于視頻內容本身的推薦。

如抖音油管的交互形式為單頁播放，快手傳統的雙列也主要聚焦于視頻內容沒有對封面圖、推薦語做特殊的內容維護和推薦拓展。

以版權視頻為主的平臺推薦：

版權視頻由于內容成本很高，熱門內容實效性強的特點。因此在純內容推薦中更加側重于人工維護+自動化內容補充的方式進行推薦，其中人工維護的內容為平臺更加側重的上新+熱門內容。

由于版權內容內容池相對于用戶內容池遠遠偏低，且內容廣度相比用戶視頻覆蓋度小的多的特點，因此版權視頻對于內容殼的推薦會更加注重。如在推薦版權內容時，會根據用戶畫像的標簽、平臺屬性等特征，呈現給用戶的內容會有多種一句話推薦、視頻標題、視頻封面圖等因素。

目前這方面Netflix是全球版權內容做的最先進的，Bilibili是筆者認為國內做得最先進的。

3. 產品經理在冷啟動推薦的工作

一直以來，推薦產品經理都是相對神秘的角色。神秘之處在于喪失實體產品功能輸出后，沒有接觸過這項工作的人會覺得一時之間無從下手。

如果將推薦的內容當作自己實際輸出的產品，將更多的內容召回排序的算法交給研發，通過這樣進行產品創意提出、需求完善、上線優化，這就是推薦產品在整個工作中所要擔任的角色。

根據推薦產品的角色和所處的業務形態大致，新用戶內容推薦的產品工作大致可以拆解成3類。

1）指標對齊

主要是根據現有北極星指標，拆解出來當前產品形態中推薦需要保證的最終指標。

在找到每個目標的轉化漏斗的前提下，根據全新的業務指標，制定下一階段推薦將需要達到的每項指標。

連同研發一起評估指標增長的合理性，與研發一起對齊指標，后續產品經理可以通過策略的思維對功能進行設計，已完成制定的指標。

2）優化模型

在新用戶冷啟動的推薦的時候，通常的做法是由運營在站內挑選一些優質高留存的內容，由產品和運營一起評估這些內容的合理性。當確認內容可行后，會將內容輸出給算法同學進行學習，算法會擴大相似內容的召回及排序結果給到產品經理。

此時產品經理需要對算法給出的結果進行評估，將自己對于內容的問題輸出給算法，同時需要了解當前算法模型涉及的維度及主要維度的權重，可以提出自己對于維度補充和權重變更的想法，配合算法一起優化模型。

3）制定規則

以上兩種方式比較適合應用于視頻類型多、內容量大的用戶視頻推薦。

對于版權內容而言，由于熱門內容、上新內容數量有限，因此產品經理更多要做的事情在于制定規則方面，如基于用戶消費的過濾規則（用戶看完整部電視劇以后，一段時間不要給用戶再推薦了）。通過規則制定，讓用戶盡可能地對版權視頻完成追更、付費，從而提升平臺的北極星指標。

五、總結

本文主要普及新用戶冷啟動場景下視頻平臺的推薦方法及產品經理在這之中需要的做的事情和角色設定。

整體而言在推薦中需要根據自己平臺用戶、內容的特色進行合理的推薦，以達到最大收益。

產品經理在整體新用戶冷啟動內容推薦中主要的工作包含指標對齊、優化模型、制定規則三個方面，通過這三個方面不斷優化產品的推薦模型，獲得最大的收益，直接或間接提升業務的北極星指標。

作者：大橘子-視頻產品，微信公眾號：薛慧卿

本文由 @大橘子-視頻產品 原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自?Unsplash，基于 CC0 協議