达观智能推荐|移动互联网下半场洞察，短视频如何突破重围？

伴随着网络资费的降低、传输质量的提高以及智能手机的普及，我们已经迈入了移动互联网的时代。在这个新时代潮流之中，“短视频”已经悄然占据了传播的主流。这种时长在5分钟之内的视频，成为了继文字、图片、传统视频之后又一种重要的传播载体。在短视频中，用户不仅是消费者，也可以成为创作者，极强的参与感与互动性，使得短视频迅速风靡。

短视频的兴起

短视频兴起于2011年，成立没多久的快手从制作GIF的应用工具转型为短视频社区，之后各类移动端纷纷转战短视频行业，2012年秒拍上线。2016年则是短视频爆发的一年，抖音、梨视频相继上线，各大互联网公司纷纷在短视频领域布局，头条系的抖音短视频、西瓜视频、火山小视频，腾讯系的快手、微视，百度系的好看小视频、全民小视频等，百家争鸣。短视频因其生产成本低、传播速度快、信息密度大、娱乐性强等特点，成为泛娱乐领域的一枝独秀。

图2011-2017年上线的短视频产品 （引用自：http://www.woshipm.com/evaluating/917541.html）

 

图 短视频APP

 

推荐算法赋予短视频更大想象空间

PC时代，用户使用计算机场景大多是在办公室、书房等地。这种情况下，用户往往都有大量的时间，此时，他们更倾向于花时间去搜索自己感兴趣的内容，搜索技术应用得更加广泛。然而，到了移动互联网时代，随着智能手机的普及，用户的终端从计算机变成了智能手机，使用场景也变成了地铁上、公交车上、床上、卫生间里等，娱乐时间的碎片化使得用户进行主动搜索、挑选内容的意愿大大降低。而且面对如此多的内容，用户往往无从下手。“大而全”不再能成为吸引用户的卖点，反而会使得用户迷失在海量的内容中。逐渐地用户就会失去兴趣，最后离开平台。

而推荐算法可以与用户增长模型AARRR（Acquisition Activation Retention Revenue Refer）完美结合，帮助短视频平台快速的累计用户，挖掘商业价值。

Acquisition——推荐算法可以及时捕捉用户的兴趣，筛选出满足用户需求的短视频，呈现给用户，瞬间俘获用户。

Activation——传统平台的视频受众并不等于目标受众，而推荐算法的精准推荐使得视频受众越来越趋近于目标用户，目标用户既是受众也是创作者，生产、消费相互促进，让用户获得参与感，极大的提高了用户的活跃度。

Retention——优秀的视频内容被精准的推荐算法分发给目标用户，带来用户量增长的同时，也大大增加用户的使用时长。并且，推荐算法还具有多样性、新颖性等特点，每时每刻都能给予用户不一样的新奇体验，增加用户的粘性，提高用户的留存率。优秀的视频内容被精准的推荐算法分发给目标用户，带来用户量增长的同时，也大大增加用户的使用频率和使用时长。

Revenue——不断攀升的用户流量背后潜藏着巨大的商业价值。根据QuestMobile的“短视频2019半年报告”，截止到2019年6月，短视频行业新安装的用户接近1亿，总体的单月活跃用户量为8.21亿，同比增速为32%。超高的渗透率和用户增速，使得短视频商业价值更加凸显。《2018年中国短视频营销市场研究报告》显示，2018年短视频营销市场规模达高达140亿元，同比增长520.7%。

由于短视频能够链接多元场景、打破线上线下边界，兼具传播力和互动性双重优势，在商业变现方面显现强大能力，相比文字，短视频更加具有感染力，更容易波动用户的情绪。因此短视频商业变现途径多元。除了广告，在营销植入、电商、品牌运营等方面也有非常不错的变现表现。

Refer——良好的用户体验还能带来口碑效应，用户会自发宣传，相互“安利”，为平台带来源源不断的优质用户。

图 AARRR模型

 

 短视频行业未来发展的趋势

从短视频行业的格局来看，现在呈现出两超多强的趋势。快手和抖音是短视频的头部平台，第二梯队则由西瓜视频、火山小视频、腾讯微视等组成。随着用户的增多，为了满足用户的多元化、个性化的需求，推荐算法的重要性将日益凸显。而大的短视频平台涉及面较广，内容杂、数量分布不均，用户体验不再新鲜，因此深耕垂直细分领域，依然大有可为，不少短视频APP已经选择从垂直领域突围。推荐算法与场景的深度结合，能助力平台深耕垂直领域，为用户提供更符合个人兴趣的。同时还能根据反馈信息指导内容创作和运营，培养平台的用户习惯。

达观智能推荐系统介绍

达观数据作为国内大数据分析和挖掘行业的领军企业，在推荐领域深耕多年。达观独创的ME（Multi-Ensemble)算法，能将多个单层模型自动组合，获得最佳的推荐效果。后羿推荐系统是达观结合多年的行业经验全力打造的集数据统计、推荐配置和系统测试监控于一体的大数据平台。后羿系统取名自中国古代传说中射下九日的神射手，寓意精准推荐，百发百中。

对于短视频，后羿系统也有专门的场景定制。在短视频场景下，推荐算法更加注重用户反馈。根据用户的点击、评论、播放时长、等特征，及时捕获用户的兴趣，秒级构建用户画像，做到实时的精准推荐。同时支持用户群组功能，可以根据不同的维度，将单用户可以划分到多个群组，同时对不同群组采用定制推荐算法，配合运营人员进行精细化运营。

后羿推荐系统物品界面

 

在物品画像中，除了每个短视频的基本属性外，还包含了短视频热度、视频完播率等数据，帮助发现优质内容，协助运营人员进行有效的推广。由于短视频以UGC（User Generated Content）用户自我生成的内容为主，因此，在短视频场景下，对短视频创作者也建立了相应的画像，帮助运营人员发现潜力生产者，培养社区KOL（Key Opinion Leader），挖掘出商业价值。