TikTok 做对了什么?成为全世界的香饽饽
2020/9/8 14:04:04
本文主要是介绍TikTok 做对了什么?成为全世界的香饽饽,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
日活跃用户 5000 万,月活跃用户超 1 亿。这是 TikTok 在美国的用户数据,而且它的全球下载量已经超过 20 亿了,在全球 155 个市场有 8 亿月活用户,位列全球第七。
据统计,美国人口总数约为 3.28 亿,也就是说美国有三分之一的人正在使用 TikTok 。
一个还没上市的短视频平台为什么能在全球有 20 亿的下载量?
在短视频平台这件事上,字节跳动做对了什么?
TikTok 的算法是不可复制的吗?
成就 TikTok 的推荐算法是啥?
工具越来越智能的同时,人做选择的过程也变得越来越被动,这也是计算机普及时代为什么电视还没被淘汰的原因之一。
看电视的时候,用户是在电视台提供的内容中进行选择,选一个自己最感兴趣的内容继续播放,而计算机需要用户主动进行搜索。对于为了放松,不想“动脑子”的用户来说不喜欢就划过,喜欢就停留的过程更简单。
个性化推荐的概念早在 1995 年就已经出现了,推荐算法的研究起源于 20 世纪 90 年代,当时美国明尼苏达大学 GroupLens 研究小组想要制作一个电影推荐系统。他们让用户对自己看过的电影进行评分,然后对结果进行分析,进而预测用户可能感兴趣的电影,这个系统成功的将网站的销售额提高了 35%。
自此之后个性化推荐的应用也越来越广泛,当然算法的技术也在逐渐智能化。以前我们安装一个新的 App 时需要勾选几个感兴趣的内容,现在连这一步都省了,算法会为你精准推送感兴趣的内容。
推荐算法大致可以分为五大类:基于内容的推荐、协同过滤推荐、基于规则的推荐、基于效用的推荐和基于知识的推荐。
基于内容的推荐更多的是在内容本身做好分类和标签,用户的特征并不明确,但它的好处在于更便于理解,推荐的结果也更加直观。
基于协同过滤的推荐算法则是更注重用户的分类,为同一类用户推荐他们可能共同感兴趣的内容。
基于规则的推荐关键是发现关联性,以电商为例,当你搜索了某一商品后会出现“猜你喜欢”的商品内容,这就是系统根据关联性为你推荐的商品。
基于效用的推荐则可以更可靠的分析用户资料模型,抓紧用户的需求偏好。
基于知识的推荐需要根据用户资料进行推理,不是建立在用户的偏好基础上的,好处就在于它可以把用户需求映射到产品上。
这几种方法各有优缺点,不同平台会选择不同的方式最为自己的推荐算法为用户提供服务,把不同的算法结合起来进行组合推荐的方式也开始被越来越多的使用。
崭露头角的秘密武器
自 2012 年成立以来,字节跳动就一直把算法推荐的模式应用在不同的产品当中,例如新闻聚合平台今日头条。作为字节跳动最火爆的产品之一抖音的海外版,TikTok 自然也沿用了一贯的算法推荐模式。
进军海外市场后,字节跳动针对不同市场进行了本土化的运营。2017 年,还全资收购了美国本土知名的短视频社交平台 Musical.ly与现有的 TikTok 产品进行了合并。有了数千万美国用户的基础,TikTok 也就有了进行算法推荐的基础,跳过了冷启动的阶段。
其实字节跳动并不是短视频的第一批入局者,但是它是率先将短视频和推荐算法结合起来的企业之一。结合短视频自身“短”的优势,短视频平台开始迅速爆发。
信息传递碎片化时代,用户需要的是“短”和“快”,一则 15 秒到 90 秒的视频包含的内容是比较单一的,用户可以在滑动的一两秒之内对自己的喜好迅速做出判断,缩短了时间成本。
这种短,也让算法给视频内容贴标签变得更加容易,十几秒的内容包含的信息不会很复杂,标签也可以更细化更精准,比如“宠物”这个标签,可以细化到具体是猫还是狗,是狗的话是大型犬还是小型犬,甚至更多不同分类。当一个精准到“一只白色的拉布拉多睡觉”这样的视频推送到对应用户的屏幕上时,推荐算法的目的就达到了。
TikTok 推荐算法在将分类内容推送给不同用户后,通过加权多种推荐技术结果,根据实际情况采取不同的算法技术,这种算法可能包括了收集用户信息、对用户进行画像、做用户分类、针对性推荐内容等几十甚至几百个繁琐的步骤。
对不同的用户进行画像分析的同时,算法模型也在不断进行训练,模型的推荐精度也会越来越高。
相比于一部电影或电视剧,短视频获得反馈的过程被极大的缩短了,两秒判断一个视频,短时间内 TikTok 就可以获得其他产品几十倍的反馈数据进行训练。
虽然 TikTok 的算法不是独一无二的,但用户不会花时间去等待一个新算法的开发,已有的 TikTok 就是在没有可以直接替代产品的情况下用户的最佳选择。
不是 TikTok 的算法有什么特别之处别人无法复制,而是这个系统已经实现了良好的运转。而且它还出伏发展期,相对于 Facebook、YouTube 等成熟的同类产品而言,它还在上升期,没有显露出明显的弊端。
“傻瓜”操作迅速流行
TikTok 的全球下载量已经超过了 20 亿,除了算法,TikTok 本身的操作也很简单,没有很高的使用门槛,所谓的剪辑也都是可以一键完成的,这也是一个大众化平台必须具备的特点。
从内容制作的角度来讲,15 秒到 90 秒的视频从拍摄到剪辑难度都不是很高,普通人的参与度也很高,工作和生活的间隙就可以完成拍摄,付出的成本相对较低。
从观看的角度来讲,一个几十秒的视频可以在等车、上厕所、乘电梯的空隙填补时间,还可以随时停下,不需要用户花费太多时间和精力。
与其他视频播放平台相比,TikTok 的视频内容可能还没有它们一则广告的时间长,而且滑动就出现内容的模式也和看电视换台类似,都是在被动的进行选择,更符合现代快节奏生活放松的需求。
禁令日期临近, TikTok 究竟何去何从
字节跳动通过推荐算法成功打造了今日头条、抖音等产品,在给用户提供内容服务的同时,也给视频博主提供了收入来源的平台。如果在国内政策不允许,或者字节跳动无法与特朗普的禁令达成一致,又或者交易金额无法令双方满意,这次收购泡汤了,那对于美国用户来说也不仅仅是失去了一个短视频观看平台,也关系着很多人的生计问题,无论他们是一款上传短视频内容获利还是给 TikTok 打工。
对美国企业来说,特朗普强迫 TikTok 出售无疑是一个好消息,分析师在给投资者的报告中说:“我们认为微软收购 TikTok 对于投资者来说就像圣诞节的早晨一样,这是十年难得的机会,几年后,如果以正确的方式经营,TikTok 的市值将达到 2000 亿美元。”
特朗普给出的限制时间马上就要到期了,这笔收购还没有确切的消息传出,外媒透露特朗普将把限制期限延期到 11 月美国大选结束后。如果倒是局势发生变化,TikTok 有没有可能重新进入美国市场呢?
这篇关于TikTok 做对了什么?成为全世界的香饽饽的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-20实战:30 行代码做一个网页端的 AI 聊天助手
- 2024-11-185分钟搞懂大模型的重复惩罚后处理
- 2024-11-18基于Ollama和pgai的个人知识助手项目:用Postgres和向量扩展打造智能数据库
- 2024-11-15我用同一个提示测试了4款AI工具,看看谁设计的界面更棒
- 2024-11-15深度学习面试的时候,如何回答1x1卷积的作用
- 2024-11-15检索增强生成即服务:开发者的得力新帮手
- 2024-11-15技术与传统:人工智能时代的最后一袭纱丽
- 2024-11-15未结构化数据不仅仅是给嵌入用的:利用隐藏结构提升检索性能
- 2024-11-15Emotion项目实战:新手入门教程
- 2024-11-157 个开源库助你构建增强检索生成(RAG)、代理和 AI 搜索