快手平台传播机制和算法！

快手平台传播机制和算法！

• 来源:网络
• 更新日期:2020-07-29

摘要：玩快手两个月，从产品设计和作品的传播算法两个层面谈一下自己的感受。 一、产品设计 进入快手看到的三个菜单：“关注”、“发现”、“同城”。这三个菜单，是用户发出的作品能

玩快手两个月，从产品设计和作品的传播算法两个层面谈一下自己的感受。

一、产品设计

进入快手看到的三个菜单：“关注”、“发现”、“同城”。这三个菜单，是用户发出的作品能够进入的三个流量池。

“关注”对应的流量池为自己的粉丝，这个页面的元素有三个：视频、作者的头像以及与自己是否是好友关系、视频的时间。页面顺序基本是按照时间降序排列。“时间”是这个页面的核心逻辑，作品发出后会进入“关注”，但页面是按时间降序排序，作品被当前在线粉丝看到的概率更大，不一定能被所有粉丝看到。

“同城”对应的流量池是自己所在的城市。页面的主要元素为“地理位置”，核心逻辑是地理位置的远近，发出的作品能被距离近的人看到，也能被远的人看到。能被发到“同城”中的作品靠的是发帖人本身的位置，发帖人所在城市的用户密度越大，“同城”的流量池也就越大，但这并不意味着作品能够进入到“同城”，进入了“同城”也并不意味着能够分得城内所有的流量，这个关系到平台的算法。

“发现”对应的流量池，是全平台。页面暴露的元素为“点赞数”，“点赞数”是核心逻辑。能进入这个菜单下的作品都是相对优质的作品。

从我自己发作品的经验来看，以上三个流量池的大小不同，进入的难易程度也不同，大多数作品停留在“关注”，表现好的作品会获得“同城”的流量，表现极好的作品能够进入“发现”。

二、平台的传播算法

今年8月份我开始在快手发作品，根据平台每周的周报梳理了自己的粉丝数、作品播放量等情况。共发了一百多个作品，累积播放量超10W，当前粉丝数1400左右。国庆节期间，作品的播放量有了明显进步。

平台发的周报可以在“私信”中查看：

总结出的周报的算法：播放量：在统计区间内所有作品的新增播放量，包括历史作品；作品数：指在统计区间内新发的作品数；粉丝增额：指统计区间内新增的粉丝数。

这里需要注意的是，周报中给的新增播放量与新增作品数不是一一对应的。播放量是指所有作品的新增播放量。

整个过程中，第一点感受：初期发的几次作品，都能获得较多的流量，后期慢慢就没有这种福利了。我们看下数据，08/04,08/11这两个期间发了22+22=44个作品，作品的平均播放量分别为242、370，但是后面08/18、08/25这两个期间发了17+8=25个作品，作品的平均播放量是188、332，后面这半个月平均播放量均有下滑。

推测平台为了鼓励新用户，对新用户发的作品会给予相对多的流量。基于此，快手新用户应抓住平台给予的第一波流量福利，发布优质作品，更高效的换回多的曝光和粉丝。第二点感受：每次在周末/节假日发出的作品，播放量的总量和上升速度都更好。上面的表格中，10/06的统计区间正好是国庆节，这期间我单个作品的播放量第一次过万。但是这些作品的内容类型与以前不同，也不能说明问题。

平台发的周报中会讲述好友播放量的前三名，我汇总了不同区间TOP的总播放量变化。结果发现10/06这个区间，前三名的播放总量非但没涨反而降了。

下面是周报中关于TOP信息的展现以及对于不同区间的数据汇总：

从“总和”这一列可以看出，10/06这一周的总播放量是最低的，与我之前节假日有更多流量的想法相违背。

分别查看了每一期的前三名的主页，发现每一期的前三名基本相同，被统计的五期共有15个人，长期被五个人霸榜，图中相同颜色的即为同一人。

出现频率最高的绿色和黄色的主人，平时发的作品基本是与工作相关的，可能因为国庆放假所以发的作品少了，进而影响到总播放量。也有可能我的想法并不成立。

为了进一步观测平台的传播机制，我记录了几个作品发出后不同时间点的播放量情况，如下图所示：

除了上面这些被监控的作品，还要补充两个播放量比较大的作品，因为没有监控过程数字，只能文字叙述一下，一个终值播放量为1W，另一个当前播放量是4.8W，目前还在增长。

播放量1W的生命周期为2天，播放量4.8W的目前已发出五天，当前的粉丝量为1400左右。

从经历过的这些作品来看：

90%以上的作品都比较菜，只有少数作品的播放量超过了粉丝量，极少数作品破万； 多数作品的生命周期只有两天左右，少数作品可以延续到五天(目前最长的一个)； 从播放速率来看，作品刚发出后的速率最快，逐渐平缓，最后停滞，有时又会隔几天多几个浏览量；

选取了几个不同播放量的作品，记录了一下它们的点赞数和评论数：

上面的列表中，播放量最大的作品的点赞率、(点赞+评论)率最高，(点赞+评论)率第二的作品的播放量却不是第二。点赞和评论会影响作品的播放量，但不是简单的影响关系。除了监控播放量，还监控了不同时间范围内，点击作品的人的“身份”。监控逻辑：通过作品收到的赞和评论，反向查看这些人的主页，（平台不提供“谁看了我的作品”的功能）。

由此发现，在作品发出的初期，点赞/评论的人基本都是关注自己的人，当作品的播放量超过粉丝量七八倍，近一万时，陆续收到了来自“同城”的人的关注，当作品浏览量近2万开始，陆续收到来自“发现”的人加关注。

点击自己主页中的粉丝数，即可查看到自己的粉丝列表，粉丝列表中会显示该粉丝的来源，如下：

从上面监控“人”开始，直观的感受体验就是：大多数作品停留在“关注”，表现好的作品会获得“同城”的流量，表现极好的作品能够进入“发现”。但因为这个结论是通过反向查看“点赞、评论、关注”等的行为数据反推出来，结论本身也受到这些数据的影响。上面是发作品的一些感受。在网上看到知乎市场产品总监闫泽华闫老师的演讲，他讲到内容平台的流动模型，可以帮助理解平台的传播机制。讲一下我的理解，模型的主体流程如下：内容理解→冷启动→用户反馈→扩散or消亡→长尾

内容理解：程序会理解用户发出的作品（通过识别作品的标题描述、视频内容等），对作品打上标签加以分类。 冷启动：程序理解了作品之后会主动推给可能喜欢它的用户。这里牵涉出另外一个问题，就是程序本身对自己的用户也做了标签归类。新用户发出作品后，即使没有粉丝，也会推给一部分人。我自己的经历中，能直接监测到的第一波看作品的人是自己的粉丝，但作为一个新用户，即使没有粉丝，也会获得流量。 用户反馈：作品推给用户后，平台会收集用户的反馈，包括阅读、点赞、收藏、分享、评论等等。 扩散or消亡：算法根据收到的反馈做出选择：进行下一步的扩散，还是就此消亡。 长尾：在长尾的传播中，会考虑到内容的时效性和周期性。“像娱乐内容其实很容易被用户遗忘，推一波也就完了；美食攻略、旅游攻略类型的内容则会被周期性推送”。

上面的模型是一个宏观模型，对于一些环节有以下几点想法：用户反馈：作品发出后，平台可以收集到的反馈指标包括：打开率、点赞数、评论数、转发数、完播率、关注率等(指通过看作品而关注作者的比率）。

这些指标再加上时间这个维度，构成一个计算“作品表现”的模型。模型最终得分的高低被作为下一波流量分发的基准。

这五个指标中，“完播率”比较有意思，“关注率”很硬。快手讲究“老铁”，平台中活跃着那么一波人，只要自己的好友发出作品，他们都会去点一圈或评论一圈666，但是他们并没有耐心把这个作品全部看完。

“关注”是对人的认可，点赞和评论等是对作品的认可，关注行为的门槛更高，认为“关注率”很硬。前面4.8W播放量的作品，点赞：评论：关注=3216:105:120。扩散or消亡：画了一下演化模型。作品在一次次冲关之后，所得到的用户反馈逐渐接近它的真实水平，就像电商平台的好评率，销量越高，所得到的的好评率相对越准。

在自己的作品播放量不好的情况下，有时候可能会有“是金子没有被发现”的想法，平台提供了推广服务，我购买过两次，做过推广之后，一个作品的终值播放量停留在2200，另外一个作品的终值播放量停留在7107。

得出的结论是：平台算法很有效，如果作品自由传播没有得到好的播放量，那么购买推广服务也没有意义。推广服务所给的投放量，毕竟是非常非常有限的，产品要想传播的好，必须可以自发动。

 

作者：一只产品狗呀

来源：一只产品狗呀