快手的个性化推荐算法

说明：本篇文章本人最早发布在三节课公众号上。

快手如今已不是过去那个，拥有超大用户量但江湖鲜有其传说的产品了。取而代之的，是快手几个让人印象深刻的数据：估值超过100亿，注册用户过6亿，月活跃用户1.8亿，DAU 7000万，每日UGC视频上传1000万条。这些数据让它没有异议地，成为了短视频社交领域的独角兽。

根据易观最新的报告，2017年7月短视频综合平台类App排名中，快手位列第一，MAU达1.4049亿人，活跃用户环比增幅2.68%。而位列第二、第三的土豆视频和火山小视频月度活跃用户均在两千余万人。

另外，我发现快手的产品表现层上几乎没有任何改动，架构上始终只有三个Tab“关注”、“发现”和“同城”。其在App Store上的版本记录里，每次都只有两点。

如此惊人的数据，产品前端却很简单，几乎看不到什么变动，而快手CEO宿华曾经提到过，推荐算法对快手产品影响很大，这都引发了我的好奇：产品角度来说，到底快手凭什么长期成为短视频社交领域的头牌？它又为何选择个性化推荐算法的打法？

----------------------------------

不管一款产品如何设计，最终的目的都是争夺用户的时间，提高用户的粘性，为最终的变现铺垫。短视频产品的核心数据是点击率和使用时长，一切都是围绕着提高这两者而展开的。而无疑，快手的数据已验证了推荐算法在短视频领域里的成功。

快手的产品思路是：

1、交互简单易懂，反过来积极影响算法

2、组合各种推荐算法，覆盖用户不同需求，以达到尽可能推荐的视频都是用户想看的

3、架构整体规划，用户使用产品的流程中，全程都影响算法，达到完全产品个性化

个性化推荐的目的在于，通过全方位的数据，精准刻画出用户意图，针对性地给用户推荐其愿意观看的视频，提供极致的产品体验，提升视频观看率，增强用户黏性。产品的关键点就在于分析用户的意图，并将个性化的推荐结果通过巧妙的产品设计传达出来。另一方面，交互也会影响算法。由于交互界面的作用是用来搜集数据用的，实现提升推荐精准度的目的，因此交互反过来影响算法。

一、交互影响算法

1、前端没有分类和传统热度排行，以红心数多少按照某些规则进行推荐

打开快手app，在没有登录的情况下，界面非常简单，没有常见的视频类别，也没有按照视频热度的两个维度，即播放量和红心数的多少设置排行榜单，而是以瀑布流的形式展示内容。可以看到，优先展示的是红心数多的视频，有红心数上万的或上千，少数红心百位数或十位数的，但并非按照红心数从高到低排序，看起来完全是随机的。同时考虑视频的新鲜度，从时效性上优先展示的是一天内的视频。

在我观看了几个视频后再刷新，会展示更多相类似的视频。未登录情况下，用户只能看视频，无法进行其他任何操作。

那么，为何不设置排行榜，且优先展示的是红心数而并非播放量呢？

我想到的原因有两点：

1、排行榜需要更多运营的投入，同时容易培养大V，会起到主观引导流量的目的，快手不这么做，在战略上是有原因的，具体分析看下文。

2、在我看来，播放量是没有任何情绪色彩的，而红心有。红心这个行为是比播放更核心的用户行为。从这个角度来说，这也与主流的以播放量为第一考虑要素的方式有区别，个性化推荐需要的是与用户自己有关的信息，而不是其他。

二、推荐方法覆盖不同需求

组合各种推荐方法，可以覆盖到用户的大部分需求。用户再根据结果操作，这些显性和隐性反馈，持续再反馈给系统。系统最终将多种反馈得到的结果，按照一定的优先级规则给到用户，最终达到1+1＞2的效果。

1、登录后三种不同推荐Tab，组合不同推荐方式

在登录后，会发现有三个Tab：“关注”、“发现”和“同城”。

默认Tab是“发现”，展示逻辑与未登录时相似。“关注”Tab里展示所有我之前关注的创作者的视频，与发现不同的是，它强调的是视频的时效性。点击“同城”，直接基于LBS数据匹配附近的人发布的视频，它强调的是视频生产者与观看者之间的距离。

那么，为何是按照这三个Tab来呢？我想到的逻辑是这样的：

1、围绕用户核心行为设计，免于教育用户的同时更有助于用户的沉淀

2、多种推荐算法重叠，弥补不同算法的缺陷，使推荐结果更加精准

3、持续维系好内容消费者和内容生产者的关系的纽带

首先从产品设计角度来说，好的产品不需要去特意引导用户，能简单尽量简单。快手的用户需求就是看视频，产品在设计时需要思考如何让用户更高效地看到自己愿意看的视频就好。加功能容易，但能克制不让功能繁杂却很难。这是做产品的初心，快手一直保持着。

另一方面，这样做也与目前短视频常用的推荐算法有关。“发现”这个Tab，就是短视频常用的推荐方法：协同推荐系统和内容过滤系统，这两种推荐方法结合的结果。

协同过滤系统就是通过用户历史观看视频的行为，分析用户兴趣给出推荐。但协同过滤算法有个缺点就是不能冷启动，因此需要混合别的算法，比如内容过滤系统。内容过滤系统，给用户推荐他们之前喜欢的视频内容上相似的其他视频。

在体验的过程中我观察到，在我进行了观看、喜欢和关注几个创作者后，快手给我推荐的类似视频变多了。系统会搜集用户的显性行为，并进行优先级排序。最重要的几个显性行为包括了：点爱心、评论、观看视频长度、减少某类视频。

在“关注”这个Tab下，根据时间维度随机展示了此前关注的创作者的视频。从用户的主要任务看视频这个角度来看，只用时间维度也是合理的。因为在关注这个栏目中，用户的喜好已经很明确，不需要其他的东西来干扰用户决策。从另一个角度来说，“关注”栏目的播放量，也是生产者视频未来持续曝光的一个入口。往更深了说，“关注”提供了一个让内容消费者和内容生产者能持续交流的纽带。

内容推荐系统的核心，是计算两个视频在内容上的相似度。

从界面上可以发现，用户录制好视频，输入一段描述性文字即可发布。系统在用户发布后会进行内容的识别和判断，然后以某些方法来划分视频，比如计算某些视频的相似度。通过视频的标题或描述、发布位置、评论等抽取某些关键词或给视频打标签，再根据某些模型计算视频相似度来进行推荐。目前看快手没有让用户自己打标签，而完全交由机器来执行。

那么，“同城”这个Tab，即是通过用户发布时的位置，进行推荐的。目前看，主要是根据距离的远近来排序，优先排序近的。但这个栏目中，会优先展示买了头条和正在直播的用户。作用其一，是提高内容生产者的曝光可能性，其二，增加用户的社交关系链，让用户的沉淀提供更多可能。

三、架构整体规划，用户使用产品的流程中，全程都影响算法，达到完全产品个性化

除了以上的三个Tab，还可以通过搜索来找自己想看的视频。

点击页面左上角的小图标，进入到个人中心页面，进入搜索中。在搜索框中输入某个关键词，会列出昵称中和个人介绍中含有该关键词的用户，并按照关注用户的多少进行排序。

“标签”一列，是快手商业化变现的一种手段，这里不谈。

除了以上说的两种主要的推荐算法，还有一种叫社会化过滤系统，根据用户在社交网络中的好友做推荐。在快手上也体现出了这点的设计，比如登录时，可以用微博或微信登录。快手可以抓取用户在微博上的数据，分析用户的喜好有利于更了解用户。另外也可以导入手机通讯录，从而关注手机通讯录的好友。同时会根据你之前关注的人推荐另一批用户给你。

这里我猜测有个默认的逻辑，即我关注的人关注的人可能也是我感兴趣的人，同时还有一种可能性，这两个创作者的内容有相似。

以上说的都是从内容消费者角度看到的，从内容生产者角度来说，要想让产品持续有生命力，让视频曝光就是最关键的，我想这里涉及到了更深入的权重策略，目的就是能够平衡好新老内容创造者。

------------------------

那么，新的问题来了，为何快手是以个性化推荐的方式切入到短视频领域，而不是其他的方式？

我考虑到可能有以下几个原因：

从上面的体验，我们可以得出一个结论，快手的产品围绕社交展开，它是一个UGC短视频信息流社交产品，使用个性化推荐的技术为用户提供视频内容。在产品的设计上，着重考虑如何让人和人之间、人和内容之间以合适的方式触达对方。

那么，反推这样设计的缘由：

【目标用户群定位，差异化竞争】

要想让自己立足，就要做差异化竞争，但如何差异化需要思考三个点：

1、目标用户是谁，用户的需求核心

2、竞争对手最薄弱的地方

3、自己最大的优势是什么

秒拍借助微博拥有粉丝效应的明星资源，美拍的群体主要是年轻女性，这两个产品的用户群体成为了他们的优点，但也同样变成了弱点，无法发力城市的边缘人群，和二三线城市的用户。

另一方面，快手CEO宿华的背景就是搜索和推荐算法方面的大牛，这是他们切入短视频领域很好的一个技术优势。产品要想快速形成优势，技术优势是很难超越的一个点。

另外，个性化推荐能有效地让内容生产者和内容消费者之间快速连接，形成强纽带。有助于产品用户量快速上升。

当然，上面这些点还不足以佐证快手转型短视频领域的原因。我个人更愿意相信，这是创始团队的战略眼光。看到了短视频领域未来的趋势。

【社交的核心，即人和人之间，人和内容之间更好交互的需要】

社交就是一个圈子，个性化推荐最终会让内容的生产者和内容消费者进入到一个自己创造出来的只属于自己的圈子。短视频社交的目的当然也是为了更好地沉淀用户，提高留存。物以类聚，人以群分，说到底，我们不仅是看视频，而是通过看视频不断的感受自我存在感。个性化推荐从某种角度来说，会让我们找到跟我们相似的人，而这会增加用户留下来的可能性。

【冷启动的需要】

不设分类，不按照一定规则进行排序，去中心化的内容分发形式，其实是快手早期冷启动的需要，也是非常有效的方法。当快手在转型之初，会面临视频内容数量不足和质量不优的双重问题，因此需要一种产品形态，既可以满足冷启动的需要，同时又能让用户持续对产品有兴趣。

在产品策略上，选择去中心化的内容分发形式加个性化推荐，是从产品战略角度出发的，这个在后文会提到。而推荐系统需要根据用户的历史行为和兴趣倾向来预测用户未来的行为和兴趣，因此在没有大量的数据为推荐做先决条件之前，就需要考虑这个冷启动的问题，而常用的方法就是推荐非个性化的内容。

【提供用户最有用的信息的需要】

我们都知道，如果要做UGC的信息流产品，就必然面临着随着时间迁移，数据量越来越多，用户需要面临信息过载的问题。

推荐算法的目的之一，就是从海量的数据中过滤出对自己有用的信息。而快手的三个Tab的设计和个性化的推荐方式，某一方面来说，不仅是产品围绕社交设计的需要，更是出于信息过滤的考虑而设计的。

【让内容生产者和消费者之间形成良性循环，让产品持续有生命力】

算法的核心是理解，理解用户、理解内容、理解彼此之间如何交互，再根据理解进行匹配。如前文所说，最终需要着重考虑如何让人和人之间、人和内容之间以合适的方式触达对方。

UGC视频数量巨大，从用户的角度而言，推荐系统的目的，就是为了帮助两类用户：

一类是内容消费者，在面对海量信息时，提供更符合消费者喜好的内容，帮助找到自己真正感兴趣的内容，并带给对方惊喜的体验。

另一类就是内容生产者的角度，目的就是能够顺利帮助他们曝光内容，得到广大用户的关注。

从平台的角度来说，作为一个UGC短视频社交平台，最重要就是用户粘性，也就是需要提高并持续保持住自己的流量，唯一要做的，就是能够让内容生产者和消费者之间形成有效流转的闭环，实现内容消费者和生产者之间的双赢。

个性化推荐的做法，让内容生产者明确自己的商业变现方法，即人人都有机会成为网红，就有机会变现。

内容和用户的高度匹配，能够持续不断的吸引更多创作者创造优质内容，从而吸引更多消费者，而良好的用户反馈则反之促进内容生产者的生产，各取所需。

【平台价值的考虑】

短视频的趋势是去中心化的分发方式，过去，编导、编辑为决定者的中心化分发方式，但这样导致其他内容质量也许不是很高的视频就难以曝光，无法获得一定的流量支持。

这样的个性化推荐方式，人工运营的极少干预，真正做到千人千面的同时，还能持续培养一大批拥有规模不大不小的网红，产品持续拥有自我造血能力的同时，也不至于像注重传播属性的平台，虽然打造出了一些大V，但也因此出现了马太效应，且到最后，平台容易被大V裹挟，步入不上不下的尴尬境地。只要这个算法持续存在，

而快手的这种做法，恰恰使得平台的价值没有被削弱，这让我想起了快手CEO宿华说的做产品就是希望用户不要感知快手的存在，而是感知这个世界的存在。快手的口号是记录生活，既然是记录生活，自然是展示最真实的生活原貌，因此你看到的视频才会是多元化的、但真实不刻意的。

写在最后：

其实到了如今，快手早已过了高速增长期，转而进入了成熟期。成熟期的产品不约而同都需要考虑，如何挖掘现有流量的价值。尽管目前快手流量大，但未来肯定需要在产品上考虑如何实现更多变现的可能。那么当前的算法就会制约它的发展，除非其在产品形态和模式上有更多创新。

几年内，不管快手会如何出手，短视频领域的竞争只会越来越激烈。我想，向海外扩张和对当前内容价值的深挖，或许都是快手必然会做的。