从产品和算法角度来谈谈《抖音》

关于从去年开始爆火的产品《抖音》，比起其他现象级产品《小咖秀》《美拍》，抖音生命周期更长。关于《抖音》，以下几个亮点不得不提到：

1.去中心化

对比《美拍》《小咖秀》《快手》，抖音去中心化可以说是做的最彻底和最足的。在产品的各处细节和场景中，都在特定避开大V的运营套路，刻意打造一个去中心化的社会网络。首先是搜索场景，推荐的热门标签是热点事件或场景，往下刷可以看到基于场景聚合的事件。对于一个视频内容软件，竟然没有排行榜。细想排行榜的逻辑，排行榜在促使优势积累，是形成大V的手段之一。抖音避开排行榜可谓用心良苦。

抖音的社会化网络是以事件节点的，而非人物。一个用户基于一个场景（比如海草舞）发起来一个挑战，人便基于这个事件而聚合在一起完成一次挑战。

2.不对用户做任何假设

关于抖音首页的推荐算法，也可以拿出来一说，从内容逻辑来观察，抖音推荐算法最大程度保留了新鲜度。抖音首页采用的是基于用户行为的推荐。

一种推荐方法是基于视频和文本内容提取特征，并与用户画像特征计算相似度，相似度越高，推荐概率越大。这种推荐的方法弊端是推荐内容缺乏新鲜度，用户点击看长腿美女，于是大概率后面的内容也是长腿美女。 另外一种推荐方法是纯粹基于用户行为数据。这种方法不对用户偏好做任何假设，不对内容文本做特征提取。从个人经验来谈，特征工程是双面利器，实际情况是，特征工程常常无法挖掘出内容（视频、音频or 文本）潜在意图和特性。从信息熵增原理来理解，世界的不确定性总是朝增大的方向发展。特征提取会把人为的主观偏见引入模型。最好的假设是不做任何假设。

那么如何基于用户行为数据，如何建立一个基于事件网络结构的推荐算法模型？给用户的推荐路径可以理解为基于事件网络的随机游走。可以参考pagerank，AP等图模型算法。

3.隐秘的上瘾机制

作为一个爆红的娱乐性产品，上瘾的设计是必不可少的。过年有段时间在家，一有空闲时间便手残般的刷抖音的首屏推荐。

首先谈谈烟瘾形成的原理，烟中包含的尼古丁可以让大脑分泌一种叫『多巴胺』的物质，让大脑产生愉悦感。但尼古丁来的快去的也快，为了找到消失的快感，大多数人会再点上一支烟，重新获得快感。就在不断的吸烟->获得愉悦感->愉悦感消失->继续吸烟循环中，成瘾性依赖。

任何让你上瘾的产品也是一样的原理，在不断的刷中，获得短暂的愉悦感，为了找回愉悦感，继续不断的刷。所有游戏的机制设计，都有奖励成就带来的爽快感和挑战挫折的不适感之间来回转变的机制，在这个过程中成瘾性依赖。与抖音类娱乐产品不同的是，游戏的心理满足感曲线通常是游戏策划通过每个关卡挑战难度、成就和激励的数值调整设计出来的。

游戏的心流曲线，刻意设计具有规律性。

游戏的愉悦曲线：

抖音的愉悦曲线：

4.把一个点做足

《 抖音》有三个主线场景：推荐、搜索、完成一次挑战。在首页的推荐场景中，最重要的一点是快！在用户打开产品刷屏这个动作，网络加载速度一定要快。瞬间到达会愉快的体验快感。