TikTok自2018年额全球下载量超过Instagram和Facebook成为下载量第一的内容社交软件。应用市场短视频(Short-form video)分类中总榜第一,远超Likee和Lasso(总榜分别63和598),热度仅次Instagram,Facebook和YouTube。
2022年月活用户超过十亿,月人均使用时长在24小时,收入(主要为广告)接近40亿美元。
TikTok信息流内容加上其嵌入的推荐算法使‘刷’短视频成为了很多年轻人的生活方式。
一、TikTok的底层逻辑
TikTok如此受欢迎和活跃用户增长速度如此快离不开其对人性的洞悉;实现这一目的其底层逻辑是TikTok的推荐算法。
从结果倒推:
- 用户不需要注册账户,或只需要一键绑定任何一个社交账号就可以全屏观看视频内容;
- 内容上,最长三分钟,平均9-15秒的视频省略了不必要的铺垫和结尾,省略了开始的铺垫直接把最精华和高潮的部分展示给用户,在观看者注意力和兴趣达到峰值的时候也是内容最精彩的部分–带来的是即时满足感和沉浸感;
- 在延时和即时满足之间,人们倾向选择即时满足带来的快感,在主动学习和被动接受信息之间,惰性使得大多时候人会选择后者;
- 不需要思考的满足感和刺激是娱乐短视频内容成功的核心;
- 然后就是下划到下一个视频,无法预知下一个视频内容的刺激和意外感也是对人性的迎合。
通过这种设计加上算法的嵌入带来的是爽感和刺激感的循环,用户每看一个视频,他的信息矩阵会不断更新,反哺算法强化用户的喜好;即刷得越多也就更能触达好的内容:虽然我不知道下一个视频是什么,但推荐算法大概率会推荐我感兴趣的内容,我才会更想往下刷。
这个基础上,算法和流量相互成就,带来的是流量价值和变现方式。(最直接的,广告)
二、 TikTok 推荐算法
TikTok的推送逻辑为中心划的漏斗算法,发布在平在上的大多视频会从底层流量池获得100-1000的基础播放量,并根据用户反馈的数据判断视频质量(完播率/点赞 etc.),如果判断为高质量视频就会进入下一个流量进行叠加推送给目标用户;YouTube则是从通过DNN推荐模型(TikTok也是),从百万量级的视频库中根据用户特征,观看历史和场景筛选出少量视频,通过排序最终呈现给用户。
TikTok的流量池机制一定程度上鼓励了UGC,但对偏专业和深度内容的推荐,YouTube的中心化推荐机制一定程度上更能输出高质量的视频。
好处是更大程度契合用户偏好,即上述的底层逻辑。而坏处则是会产生信息蚕房,导致审美疲劳和内容相对单一化。
适当进行一定比例的跨域推荐可以有效打破信息蚕房:通过隐形特征挖掘共有属性进行跨域推荐。
三、TikTok数据分析工具
1、超店有数
【选爆品】这个功能真的是我们做tiktok的宝藏功能了,它可以根据商品品类和国家去实时挖掘出销量大、销售额高的爆款产品,还可以看到相关联的视频和达人,不仅帮助我们找到了爆品,还找到了对标账号。
还有【挑达人】、【查竞对】、【找素材】功能待你去挖掘。它的搜索功能也很强大,根据商品昵称、店铺、达人、视频、广告、话题、音乐这些分类,搜索你想要做内容的关键词,就会出现一堆相关类似的账号,我们就可以参考别人的内容去做我们自己的账号。
2、Exolyt
全语言皆可翻译,搜索式动态加载数据,可即时查看最新视频。相对而言,只有视频的相关数据,界面体验有些复杂,不太符合国内人的阅读习惯。
3、Analisa
可以查看Instagram和TikTok网红的数据,对网红账号的分析比较到位。有免费和付费版本,3个付费套餐,59.35美元,109.55美元和199.35美元,比较贵就是了,不推荐普通玩家使用。
数据分析是核心,无论是什么平台,只要掌握好数据的发展方向,才能确定好下一步的运营方向是怎样的,希望以上内容能帮到你们。
欢迎在评论区留言,我们可以一起交流!最后,希望能给我个赞,这是对我后续持续分享内容的动力和最大的鼓励!