7000 字揭秘抖音算法：高流量直播间背后的 6 个逻辑( 四 )

因为我本身是搞技术出身的，我看流量的方法跟一般做内容的人不太一样，我更愿意说把抖音理解成一个算法驱动的 APP，它的流量分发是有逻辑的。1
抖音的流量推荐的逻辑

文章插图
抖音的流量推荐的逻辑，它的发源地是什么？它的算法本质是什么？我觉得就是上头条，实际上它是个新闻推荐系统，所以你会发现不管是推荐商品、推荐店铺还是推荐直播间，某音的底层其实就是找爆款的逻辑，今天你能不能成为爆款，就决定了你自然流量。但凡没有任何爆款的潜质，你就不可能吃到自然流量。但是很多人说，我看很多直播间广场卡的很牛，我没觉得它有任何爆款的潜质，怎么他就卡到了？这里面就涉及到算法层面上的现象，叫过渡拟合，非线性增长率那里有四个字过渡拟合。什么叫过渡拟合？算法这个东西在没有完全成熟的时候，会有一个很被动的地方，它的算法是可被预判的，它要求大家符合它的算法才能满足对应的假设，给出流量。但是这也证明这个算法目前是有僵化的情况的，这种僵化本质上它既是一个麻烦，它不能把人群中所有优秀的账号都选出来，就像高考没有办法把所有优秀的孩子选出来一样。今天的某音是有打法的，是属于在算法上有固定的套路的。

文章插图
某音的算法它是除了安全策略，一些安全性策略的直接干预，以及一些核心需求以外，它大体比较公平公正的算法还是基于排名，排名决定了想象力，但是今天的某音我认为其实是一个心智年轻在七岁半的小男孩，大家知道八岁的小男孩很讨打，某音显然还没到这个地步，但是它确实还是个小男孩，心智还不是很成熟，它有很多心智不成熟的小朋友的特征。在某音上面，我觉得最终不是只有某音，某手在推荐算法层面上，他的推荐算法跟某音一样，只是一个在七岁半，一个在三岁半，只是早晚的问题。我们现在还是说某音流量，第一从技术角度，所有的机器学习或者深度学习的理论，都是通过分类器的理论来进行数据筛选，里面会有几种数据集成，训练集、验证集。

文章插图
首先很多人会觉得做直播其实你只要表现的好，平台就会给你流量红利。但对于表现好这个事情的理解是千差万别的，平台内部的算法也是，我认为首先第一个就是相对正反排名要大过绝对正反排名。很多人说我前 5 分钟刷单刷 100 万，是不是表现就好？不是。但如果你的增长率表现很好，比如前 5 分钟做 5 万，第二个 5 分钟做 10 万，第三个 5 分钟做 15 万，这是线性增长，正常情况你做不到了，这种增长率会让系统觉得可以。就像一个小男孩给他糖吃，他会觉得你是好人吗？不一定，但是你天天给他糖吃，他就觉得你是好人。这个事情从算法层面上是存在过渡拟合的，因为他没有办法预测到异常情况。前面讲到增长率，给大家一个形象的比喻。大家小时候有没有颠过乒乓球？我们现在的逻辑就是颠乒乓球。每颠一次 5 分钟，5 分钟一次为颗粒度，然后颠五次、八次，颠到手抬不上去了，这个时候你有两种选择，第一保持那个高位，手不放下来；第二种手放下来重颠一次，你会发现你不放下来，你永远再也拿不到自然流量了，为什么？逻辑很简单，因为你没有增长，你只有绝对正反馈，没有相对正反馈。牛的直播间流量曲线是波形，比较差一点的没有打法的直播间，流量曲线是波动的，你会发现在第一个概念的情况下，颠乒乓球适当要放松下。现在抖音为了提高数据样本利用率和迭代的层级。原来可能只有小时榜，现在还有天榜、小时榜、周榜，15 分钟榜等等，原来颗粒度 15 分钟，现在可能 5 分钟。为什么老罗现在直播福袋要扩容？他现在的直播情况是 5 分钟发一个福袋，人家正常只能发 10 个，他扩容了，这样子他天然就可以不停的做颠乒乓球运动。同时这里面还有一个概念，就是说在我们机器学习算法里面，分类计算法一般都是有监督的，有监督的分类算法，就是某音会给每个用户打上用户标签，根据不同的标签它的商业逻辑，不同的水平的用户它会有不同的权重的用户池。你会发现新号和老号是不一样的，新号进来的秒杀产品，新号对于 9.9 和 1 块钱的东西就能秒杀，在成熟的账号里面 39.9、59.9 甚至 99 元，秒杀的转化率也非常高，并不是因为它有老客户，他也是新客户，直播间的平均留存时长没有本质的区别，但是池子不一样。2