2018,短视频改写流量
原创 · 约 8 分钟阅读 · 阅读 --

2018,短视频改写流量

作者: 字与码


古董级程序员,大厂出来后一直在创业公司,现在仍活跃在一线做 AI 相关的开发。这个专栏会慢慢写从 1990 年代到今天的 IT 变化,也会夹带一些自己的旧事。更完整的更新写在微信公众号「字与码」,若觉得这些回忆和观察对你有用,欢迎顺手关注。

2018 年,短视频已经不是一个新鲜功能,而是一种新的流量结构。

在更早几年,大家谈移动互联网,谈的是 App、社交、信息流、推荐。到了 2018 年,短视频把这些东西压缩成了更高密度的用户时间机器:屏幕竖起来,内容自动来,用户只需要不断滑。

这对微博这样的社交媒体平台,是很强的压力。

微博有关系链,有热点,有名人,有媒体,有公共讨论。但短视频平台用另一套逻辑抢时间:不要求用户先关注谁,也不要求用户主动搜索热点,而是持续用推荐测试用户兴趣。

时间被切得更碎

短视频最厉害的地方,不只是视频短。

它真正改变的是注意力分配。

图文信息流里,用户还会扫标题、看评论、点进详情、来回跳转。短视频的信息密度和反馈速度更高:几秒钟内决定继续看还是划走,系统马上得到反馈,下一条内容继续测试。

这种反馈闭环非常适合推荐系统。

用户停留了多久,是否重复播放,是否点赞评论,是否关注作者,是否划走,是否看完,都会成为下一次推荐的输入。平台和用户之间形成一种高频试探关系。

短视频流量迁移

微博当然也有推荐,也有视频,也有信息流。但当一个平台的基因是社交和热点,另一个平台的基因是算法分发和沉浸式消费,两者的组织方式、产品目标和技术优先级都会不同。

推荐系统开始变成入口本身

过去推荐系统常常是产品里的一个模块。

首页有推荐,详情页有相关推荐,广告有定向,运营有个性化策略。推荐很重要,但它通常附着在已有产品结构上。

短视频平台把推荐变成了入口本身。

用户打开 App,看到什么,下一条是什么,停留在哪里,平台如何学习用户,都由推荐系统主导。产品结构被压得很薄,分发逻辑变得极重。

这对后端和数据平台提出了更高要求。

推荐系统需要内容理解,需要用户画像,需要实时反馈,需要实验平台,需要效果评估,也需要强大的工程稳定性。一个策略改动可能直接影响大量用户时间,不能只看点击率,还要看留存、疲劳、内容生态和长期体验。

微博的优势和负担

微博并不是没有优势。

它的热点能力很强,公共讨论属性很强,名人和媒体供给也很强。这些东西不是短视频平台一夜之间能复制的。

但优势也可能成为负担。

当一个平台已经拥有成熟业务和成熟流量结构时,新的分发方式往往很难获得最高优先级。你不能简单把所有资源都切到新方向,因为老业务还在赚钱,老用户还在,老组织还在。

这就是平台转型最难的地方。

不是看不见,而是动不了那么快。不是没人懂,而是整个系统已经有惯性。

工程师能看到什么

站在工程师角度,2018 年最值得记住的是:产品竞争越来越像系统竞争。

不是一个功能打一个功能,不是一个页面打一个页面,而是数据、算法、内容、客户端、后端、运营和组织节奏一起竞争。

短视频之所以厉害,是因为它把用户反馈、内容供给和推荐分发拧成了一个高频循环。这个循环一旦转起来,后来者很难靠单点能力追上。

微博当然还有自己的位置。公共事件、热点传播、名人关系、媒体讨论,这些仍然重要。但用户时间的底层分配方式变了,这个变化会影响后面很多年。

下一年,我会更强烈地感受到另一件事:平台公司并不是看不到未来,只是看到未来以后,未必有足够魄力改变自己。

2018 年 IT 大事记

  • 短视频继续快速增长。 竖屏沉浸式内容消费成为移动互联网的重要形态。用户时间被更高频的内容反馈循环重新分配。
  • Microsoft 宣布收购 GitHub。 这个事件说明开源协作和开发者生态已经成为云和企业软件竞争的核心资产。代码托管平台不再只是工具网站,而是开发者入口。
  • BERT 开源。 Google 开源 BERT,Transformer 路线开始在自然语言理解任务里表现出强大效果。预训练模型成为 NLP 发展的重要方向。
  • 推荐系统成为入口本身。 推荐不再只是产品里的一个模块,而开始主导很多内容平台的首页和用户时长。分发权从关注关系、编辑选择继续向算法反馈迁移。
  • 信息流竞争升级。 短视频、社交关系、热点传播和算法推荐更激烈地争夺用户时间。内容平台的竞争越来越像数据、算法、内容供给和组织节奏的综合竞争。

参考资料

打开原图 ↗