為什麼長視頻沒有強算法推薦的產品

·9 分鐘 (閱讀時間)

編者按:本文來自微信公眾號「頂尖產品思維」(ID:dingjianchanpinsiwei),作者:狼和哈士奇,36氪經授權發佈。

當算法推薦在圖文、短視頻領域大殺四方、所向無敵時,我們曾經一度以為在內容分發領域,算法就是無敵的、是降維打擊。

但是奇怪的是,現在算法在長視頻領域依然沒有取得主導權。

這裡主導權指的是算法分發佔據內容消費的主要比例,比如說抖音的用戶時長中,算法分發佔據超過80%的比例,所以我們可以說抖音是強推薦算法的產品。

算法沒有在長視頻領域取得主導權最直觀的表現是,以愛奇藝、騰訊視頻和優酷為代表的傳統長視頻網站,內容消費主要來自內容運營陣地和導航搜索,新崛起的芒果視頻、歡喜傳媒也依然如此,就算將視角切到海外,備受吹捧、說算法驅動的網飛(Netflix)內容的主要消費也是這樣。

而從另一個角度來看,則是算法集大成者字節跳動依然沒有大規模進入長視頻領域。字節跳動過去很長一段時間一直踐行著張一鳴那張戰略PPT——只要在信息分發領域,字節都要用算法來重新做一遍。然而直到今天,字節仍然沒有大規模做長視頻。

為什麼長視頻沒有強推薦的產品?

如果要找一個正確的維度去看待這件事的話,那麼考慮的點主要有兩個:

長視頻與算法的匹配度

商業上ROI是否可行

01

算法要起作用有兩個關鍵的條件,第一個是算法模型,第二個則是數據。

算法模型是發動機,數據是原料,只有給發動機投放原料,推薦系統才能轟隆隆的運轉起來。

這裡的數據是什麼?

用戶的行為數據,準確來說是用戶和系統的交互數據,尤其是用戶與平台內容的交互數據。比如說,抖音的推薦系統,關鍵數據是用戶看視頻的完播率、點贊、評論等。愛奇藝則可能是用戶看視頻的點擊、評分、評論等。

長視頻和短視頻的數據量級是不一樣的。

短視頻時長極短,一般15秒/1分鐘內,用戶消費成本極低,非常適合各個場景消費,尤其是那些碎片化的場景,所以隨時隨地都可以消費;而長視頻時長很長,往往一個小時以上,用戶消費成本高,時間彈性要求高。

這造成什麼呢?

首先是短視頻比長視頻的用戶更加下沉,應用場景更多。

上廁所5分鐘、通勤30分鐘和休息2小時等都可以刷短視頻;

但是看長視頻則首先要衡量一下這段時間窗口適不適合,長視頻需要比較長的時間窗口。長視頻網站現在都會在用戶看完視頻後,用算法推薦內容給用戶繼續觀看,但是用戶要點開這些內容還需要先衡量一下自己的時間窗口是否合適。

數據的反應最直接,發展了這麼多年的愛優騰日活只有一億多,而抖音日活突破了6億,快手3億,且短視頻兩大豪強的日活還在不斷增長。

接著就是,相同時長內,用戶消費的視頻數量和交互數量不在一個量級。

抖音一條短視頻,用戶消費完成只要15秒,愛奇藝一部電影,用戶消費完成需要90分鐘。同樣的90分鐘,抖音用戶不知道刷了多少個短視頻,跟系統發生了多少交互,而愛奇藝用戶可能才剛看完一部電影。

更大量的用戶、更碎片化的消費場景、更短輕快的內容單元、更高頻的交互,所以短視頻能收集到的交互數據遠遠超過長視頻,兩者甚至都不在一個量級。

如果沒有這麼多的數據作為算法的燃料,算法便很難很好的運轉。所以,算法在長視頻中能夠發揮的作用就相對比較弱。

但相對短視頻弱並不代表就不准,有時候長視頻平台推薦給我們看的視頻也是蠻準的,所以真正決定長視頻主要消費模式的因素其實是供給。

02

長視頻的供給和短視頻的供給不是一個數量級的。

中國大陸一年只能產出幾百上千部影視劇和綜藝,但短視頻平台一年卻能產出幾十億甚至上百億條短視頻,兩者根本不在一個數量級。

供給決定了長視頻是中心化的消費,而短視頻則是去中心化的消費。

短視頻過於龐大的供給,只能靠算法去匹配,算法的必要性就強。

而長視頻因為影視劇就那麼多,頭部的就更少了,所以是中心化的消費,算法的必要性就弱。

另外,長短視頻的消費決策模型也是不一樣的,短視頻可以完全依賴系統,長視頻則更加依賴外部。

短視頻因為時長極短、消費成本極低,且面臨的場景是極度碎片化的kill time,這個時候,選擇本身就是成本,我們甚至不想要選擇看什麼內容,系統直接推薦給我們就行了,是內容找人。

但是長視頻不一樣,視頻時長很長、消費成本高,選擇本身就是必要的。因為消費成本高,對於時間的損失厭惡風險就高。

一條短視頻,因為時長極短,看完就算不合適,用戶對時間的損失厭噁心理也不會太高。

但是長視頻的時長很長,要判斷適不適合、好不好看,就算不用看完全部,往往也需要付出比較長的時間, 所以,損失厭惡風險就會非常高。

所以長視頻的消費決策就比短視頻重的多,消費長視頻除了考慮合適的場景之外,還要選擇看哪個影視劇/綜藝,所以往往是人找內容。

所以就算現在是信息流時代,長視頻依然保持著傳統貨架型的消費方式:最新最火的內容放在首頁曝光度最高的輪播欄;用戶依賴類目導航去查找合適的內容,比如說按照類型、熱度和評分來選擇電影;還有非常大一部分消費來自於搜索,搜索非常重要。

搜索對應的就是站外決策。比如說,在微博、抖音等平台種草了某部電視劇,根據豆瓣評分來選擇觀看的電影,最近同事們常常聊起的那個綜藝等。

然而,因為每年產出的頭部電影、電視劇和綜藝太少,如果火了,傳播到社交媒體和其它短視頻平台影響用戶的消費決策,內容平台也會將它們放在輪播欄,所以有時候就算是站外決策,但是也不需要搜索就能直接找到內容,背後其實就是因為頭部內容供給的稀缺。

另外還有一個非常重要的點也會決定算法匹配必要性的強弱,就是用戶在單次使用產品中,消費的內容單元的數量。

同樣是90分鐘的時間窗口,短視頻不知道刷了多少個,而長視頻卻可能只夠看一部。

用戶在單次使用產品中消費的長視頻數量過少,算法匹配的必要性就弱。

03

最後,我們要說一下商業可行性的問題。

長視頻的成本主要是內容採購/製作成本,而收入也基本上是靠這些內容來創收的,比如提供更多獨家好內容和免視頻播放廣告等增值服務來收取會員費,在長視頻中插入廣告等。

算法對於長視頻的收入幫助有限。

算法是怎麼賺錢的?通過掌握流量分發權來插入廣告進而賺錢,但是用戶一般在一個合適的時間窗口看的長視頻非常有限(甚至大多數時候只看一兩部),且有可能會目的明確的衝著某部電影/電視劇/綜藝去了,這個時候,流量分發就沒那麼重要了。

當然,算法還是可以起到一定效果的,比如說長視頻中插入的廣告可以通過算法來提供更加精準的匹配,但這往往只適用於效果廣告,對於品牌廣告的作用很弱,而影視綜的品牌廣告佔據非常大的比重。

另外,長視頻的會員免廣告就直接把很大一部分廣告收入給打沒了,而算法賺錢則依賴於廣告。

長視頻平台要賺錢就是要靠那些視頻本身,而不是流量的分發權。無論是在長視頻中插入廣告,還是會員免廣告、看獨家內容,根本上都依賴於那些長視頻的吸引力。

所以長視頻平台都要拚命的提供好內容,不僅去採買版權,還要自制。因為國內殘酷的競爭環境,內容採購/自製成本居高不下,但是會員價又升不上去,會員人數也到達瓶頸,廣告又與會員衝突,所以才會出現「超前點播」這種冒犯會員權益的無奈之舉。

字節跳動之所以沒有大規模進入長視頻領域,很可能就是因為沒有想好怎麼解決這些問題。同時,自己的算法優勢在這個領域似乎也沒多大用處,砸錢購版權或者自制內容這種重資產模式也不是字節擅長的,那麼何必要進去呢?

除了內容領域之外,現在字節的版圖拓張的非常大,包括汽車、教育等跟內容無關的領域都進去了,但同屬於內容的長視頻就是不進去,或許就是因為這些原因。

04

算法對於長視頻肯定是有幫助的,網飛、愛優騰等都有算法推薦,這個算法推薦能夠增加一定的消費規模,但是無法起到像短視頻信息流那樣的革命性作用。

之所以作用有限,是因為算法匹配在長視頻中的必要性較弱,技術能夠發揮的威力也弱,同時商業上助益也不大,所以至今仍然沒有一款強推薦的長視頻產品。

長視頻其實並非是個好生意,國內愛優騰長年虧損,國外網飛也無法倖免,而且這種局面目前仍然無法看到盡頭......

本文經授權發布,不代表36氪立場。
如若轉載請註明出處。來源出處:36氪