短視頻單列和雙列,誰的內容容錯率更高?

14 評論 4423 瀏覽 18 收藏 13 分鐘

編輯導語:抖音和快手的核心差異:單列和雙列的產品設計帶來容錯率的差異,容錯率的差異可以從用戶行為差異導致的數據差異進一步解釋。本文就短視頻單列和雙列,誰的內容容錯率更高展開了分析。推薦對短視頻感興趣的用戶閱讀。

“我自己也很驚訝,畢竟直覺上,我也一度認為雙列的容錯率才是更高的。”

要說前兩年,短視頻的兩個UI流派尚在割據,但從今年開始,雙列式微,單列已雄霸天下。

可是,雙列不甘心!這篇就來嘮嘮每逢提及單雙列,就繞不開的試錯成本問題。首先明確一下定義:

  • 試錯,是用不確定信息,去試探用戶。
  • 單位時間里,不確定信息越容易把用戶趕跑,就意味著你的試錯成本越高。
  • 容錯率,就是用戶能夠容納這些不確定性信息的肚量。和試錯成本成反比。

有人可能會問:“好好的,干啥要吃力不討好地去推薦不確定信息呢?”

2個目的:

  1. 不知內容好壞,讓用戶幫忙排雷:創作者每天發布海量內容,需要讓海量用戶做「晉級評委」,來決定是否可以繼續擴大圈層分發?;诖耍脚_就有概率,把沒那么好的內容,小劑量地試投給確定感興趣的用戶。
  2. 給用戶做興趣探索:一為純新用戶和低活用戶做興趣推薦,二為老用戶破開信息繭房。但對推薦算法提出了更嚴苛的挑戰:我們不僅要考慮如何「猜你喜歡」,更要通過產品設計,實現「讓你喜歡」。因為后者,才會真正改變用戶的生活。這是長期主義,也是社會責任。

我先拋一個可能和大眾意見相左的觀點:

  • 從內容冷啟的試錯角度,單列和雙列的容錯率平分秋色
  • 從興趣探索的試錯角度,單列的容錯率更高

總的來說,單列容錯率更高。

我自己也很驚訝,畢竟直覺上,我也一度認為雙列的容錯率才是更高的。

一、內容冷啟層面,單列和雙列容錯率平分秋色

1. 從消費者角度出發

在雙列場景下,用戶若不喜歡這條內容,滑走就好,并不會付出過多的心血。但要知道,在雙列UI下,「圖片吸引比重」會高于「從眾心理比重」。如果用戶對封面滿懷期待,點進來卻大失所望,會產生預期差,是平臺的慢性毒藥。

預期效應:指的是動物和人類的行為不是受他們行為的直接結果的影響,而是受他們預期行為將會帶來什么結果所支配。

在單列場景下,碰上無聊的內容,雖也是輕輕地滑走,但用戶付出的視聽精力會淪為沉沒成本,用戶厭惡這種精力的錯付。

損失厭惡是指人們面對同樣數量的收益和損失時,認為損失更加令他們難以忍受。同量的損失帶來的負效用為同量收益的正效用的2.5倍。

從這點來看,雙列容易埋下預期效應的坑,單列容易引發用戶損失厭惡的心理,這二者難分高下。

2. 從創作者角度出發

無論什么UI,創作者的工作都會被異化。雙列容易培養封面黨,單列也容易培養5s黨。5s黨和標題黨,不過五十步笑百步罷了,本質上沒啥區別。

興許有人會說,若把內容分發看作一場應聘,單列幫創作者爭取到了前幾秒的面試機會。但我認為,這不過是一種不同的洗牌方式罷了。創作皆苦啊。

二、興趣探索層面,單列的容錯率更高

做探索,目的是發現用戶在已知用戶畫像之外的其他興趣。

有觀點認為:

雙列是一個點擊場景,用戶需要自己主動挑選內容。用戶點錯了,怪罪平臺的概率會小很多。

在單列模式下,用戶會認為內容都是平臺給我推薦的,口味上就會比較挑剔,對確定性內容需求更高。

相較而言,雙列可以有更多的流量空間給用戶做探索。

這個說法較籠統,我們不妨將其拆分一下。

用戶因單個內容怪罪平臺的概率=用戶對內容的失望程度+內容不感興趣程度+逃離操作成本。

1. 「逃離成本」二者基本相等

雙列把用戶可能不喜歡的內容藏于萬花叢中,對用戶干擾更少,滑走效率更高;單列把「逃離+消費下一個」集成在了一個滑動操作里,更速效方便。

2. 「失望程度」二者基本相等

什么內容會讓用戶失望?質量不高的內容+有欺騙性質的內容。這類內容的出現,應歸咎于平臺品控,和UI無關。用戶并不會因為這條劣質內容是自己點的,而少怪罪平臺一點。相反,根據大腦自我防御機制,他會怪罪平臺更多。

自我防御機制這一概念由精神分析心理學家弗洛伊德提出,指人們在面對挫折和焦慮時啟動的自我保護機制,它主要通過對現實的歪曲來維持心理平衡。

優質但用戶不感興趣的內容,給用戶產生失望的感覺較小。

3. 內容不感興趣程度,單列小于雙列

用戶對內容的不感興趣,可以視為挖掘到用戶興趣的難易程度,興趣挖掘分兩種:

  1. 挖掘用戶知道但推薦系統不知道的興趣,提升用戶畫像的覆蓋面
  2. 挖掘用戶自己都不知道的興趣,拓寬用戶的生活

前者是「猜你喜歡」,后者是「讓你喜歡」。我們主要說一下后者。

相信推薦從業者都知道,雙列或單列多個內容的列表頁,做「讓你喜歡」的興趣探索有多難——用戶基本不會在雙列信息流場景點不他感興趣的內容。

為什么那么難呢?不妨用比較思維來看雙列場景:當一個你不太感興趣領域內容,和你感興趣的內容并列放在一起。相信90%的用戶會毫不猶豫地進行保守選擇,點擊那個你熟悉的、感興趣的內容。于是乎,被點剩下的那條,就會被降權,打入冷宮。

成也雙列,敗也雙列。

要真正幫助用戶拓寬興趣面,讓用戶時看時新,可謂任重道遠。興趣挖掘之于推薦,如同唐門暗器之于魂師魂獸。做好了,就是格局開大、萬物生長;做不好,就是信息繭房,存量博弈。推薦系統一直困頓于此。

終于,皇天不負有心人,興趣探索被單列UI破局。單列為什么那么好做探索呢?原因有幾點:

  1. 用戶對平臺的信任。你的一個好大哥,給經濟小白的你,推薦了《第一本經濟學》,你很信任這位好大哥,看的概率更大
  2. 單列全屏沒有對比性,比較思維被弱化了,選擇少了反而更幸福
  3. 中國有句老話:來都來了……

以我自己為例:

以前不了解綜合格斗,2020年在抖音刷到張偉麗戰勝喬安娜·耶德爾澤西克的衛冕賽視頻,大受震撼。從此知道了一個比賽叫UFC。

也曾因為某個電視劇混剪視頻的配樂太抓耳了,我自然而然地看了下來,繼而對這個電視劇種草。

說起音樂,抖音音樂短視頻app不僅挖掘了用戶音樂興趣,還改變了用戶音樂審美。它不僅解決了「猜你喜歡」,還能「讓你喜歡」。

音樂和視頻深度結合的方式,它具備潛移默化改變”音樂審美”的能力。通過視覺和聽覺的感官上的融合刺激,重新賦予了音樂新的生命,也讓大眾有更多機會去接受本來可能不會聽“第二遍”的歌曲,從而逐漸改變了對音樂的原有認知。讓更多獨立音樂人的小眾音樂得以被接受和傳播。

我們自己做實驗,也得到了相似的結論:單列做探索,要好做得多。

三、額外談談「屏效比」

額外談談這樣一種觀點:

雙列屏效比高,有更多的流量可以用于小樣測試來發掘用戶興趣。

屏效比確實很容易迷惑我們。它甚至是一些資訊app、傳統媒體信奉的UI信條。

提及雙列UI,無論是誰,都會給屏效比一個大大的贊。

屏效比就是一屏常規手機屏幕的內容曝光效率。雙列UI,一屏給用戶4~6個視頻選擇,單列只給了用戶1個選擇。毋庸置疑,雙列UI較之單列,給了平臺4倍以上的試錯機會,單位時間內單個視頻的試錯成本很小,聽起來確實前者的容錯率更good。

注意,大家在同意上述觀點的同時,也默認了這樣的邏輯——我雙列吸引用戶注意力的概率是你單列的4倍以上。即使你是純新用戶,我選4個大眾興趣,每個興趣推一個,我把點擊欲望拉滿,就不信猜不中你的心。

聽起來好像沒問題,但有一個重要事實被忽略了——同樣是個性化推薦,單列較之雙列,有3個極大的變量:「全屏高清」+「自動播放」+「音樂」。

雙列從個性化推薦角度,提升了單位時間命中用戶注意力的概率,但攔不住單列另辟蹊徑??!單列提升了單個視頻的視聽信息量和沖擊力。它是洶涌而來的感官風暴。

用戶不用在四個中小圖片里找一個點擊,而是直接被推到了一個最為大眾喜聞樂見的內容的視聽場景中去。咱就是說,一個全方位感官包裹的大動作。

此刻,兩極反轉,屏效比失靈了。

綜合來說:注意力的奪取,取之于綜合體驗,而非是單位時間呈現的內容數量。

單列試錯成本更低,無非就是:

體驗更好,視聽信息量更大,沉浸感更強,更能吸引用戶注意力,所以用戶耐心更好。

我相信抖音的slogan:記錄美好生活。

對這句slogan,我的理解是:用戶通過單列視頻,發現美好生活,然后放下手機,找到自己的美好生活,發上來,記錄美好生活。如此循環。

 

本文由 @白鹿 原創發布于人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基于 CC0 協議

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 寫的不錯,我們習慣用AB來驗證我們的想法,當我們下意識認為對的策略和用戶實際反饋存在明顯偏差時,復盤的重點是糾結產品形態和內容質量,沒有深層次的分析用戶心理。要做好內容,除了基礎的運營和產品知識技能外,還是要學好心理學(尤其是策略PM)。

    來自江蘇 回復
    1. 產品設計的真正挑戰在于「最終了解用戶那些未被滿足和未明說的需求」。非??简瀙m對人性的洞察。

      回復
  2. 抖音和快手的核心差異:單列和雙列的產品設計帶來容錯率的差異,容錯率的差異可以從用戶行為差異導致的數據差異進一步解釋。原來是這樣

    來自河南 回復
  3. 更明顯

    來自北京 回復
  4. 按時

    來自北京 回復
  5. 按時吃啊

    來自北京 回復
  6. 給鹿鹿打call!

    來自北京 回復
    1. 嘎嘎?我們認識嗎!

      回復
  7. 好了,問題來了,什么是單列,什么是雙列~

    來自北京 回復
    1. 哈哈哈哈哈哈哈

      來自福建 回復
    2. 好問題

      回復
    3. 我。。。是真的不知道~

      來自北京 回復
    4. 我寫一篇文章回復你,等我。

      來自浙江 回復
    5. 我等你呀~

      來自北京 回復