一、头条系产品总览
头条系产品总览.png
可以将头条系产品分为三类：
- 以推荐为核心的产品：今日头条、抖音短视频、西瓜视频
- 以办公为核心的产品：飞书
- 以拍照为核心的产品：Faceu激萌、轻颜相机
二、以推荐为核心的产品
- 今日头条：新闻资讯平台
- 抖音短视频：记录美好生活的短视频平台（UGC为主/一二线城市/短视频）
- 西瓜视频：多元化视频综合平台（PGC/三四线城市/影视剧等）
虽然这三个产品在不同的领域，但其核心都在“推荐”。
1、头条系推荐机制
（1）推荐系统
推荐系统，如果用形式化的方式去描述实际上是拟合一个用户对内容满意度的函数，这个函数需要输入三个维度的变量。
- 第一个维度是内容。头条现在已经是一个综合内容平台，每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征做好推荐。
- 第二个维度是用户特征。包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。
- 第三个维度是环境特征。这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。
结合三方面的维度，模型会给出一个预估，即推测推荐内容在这一场景下对这一用户是否合适。
（2）典型的推荐特征
主要有四类特征会对推荐起到比较重要的作用：
- 第一类是相关性特征，就是评估内容的属性和与用户是否匹配。显性的匹配包括关键词匹配、分类匹配、来源匹配、主题匹配等。像一些模型中也有一些隐性匹配，从用户向量与内容向量的距离可以得出。
- 第二类是环境特征，包括地理位置、时间。能以此构建一些匹配特征。
- 第三类是热度特征。包括全局热度、分类热度，主题热度，以及关键词热度等。内容热度信息在大的推荐系统特别在用户冷启动的时候非常有效。
- 第四类是协同特征，它可以在部分程度上帮助解决所谓算法越推越窄的问题。协同特征并非考虑用户已有历史。而是通过用户行为分析不同用户间相似性，比如点击相似、兴趣分类相似、主题相似、兴趣词相似，甚至向量相似，从而扩展模型的探索能力。
（3）头条系推荐实现
通过算法，一边提取内容的特征，一边提取用户兴趣的特征，然后让内容与用户的兴趣匹配。
获取用户兴趣特征：
- 定制化频道，获取用户感兴趣的分类（今日头条/火山视频）
- 首页每条信息流右下方的【×】按钮/长按视频选择“不感兴趣”，可选择不感兴趣或者理由进行精准屏蔽。
- 进入资讯详情页面，文章末尾可选择点赞or不喜欢。
- 评论、转发、分享、收藏行为记录。
- 根据用户关注的头条号/抖音号，获取用户的关注领域。
- 还有可能根据你停留在某一页面的时间来反映内容是否贴近用户需求。
2、推荐机制优势
- 定制化推荐用户喜欢的内容，用户始终能看到自己感兴趣的内容，愿意花很多的时间去使用这个产品，增加用户使用时间
3、推荐机制劣势
- 内容的分发完全以用户先前喜好为依据进行分发，这会让用户将堕入严重的“信息茧房”中（信息茧房：人们的信息领域会习惯性地被自己的兴趣所引导，从而将自己的生活桎梏于像蚕茧一般的“茧房”中的现象。）
- 用户以往的阅读经验将成为内容分发的主要参考，这意味着用户只能在自己的认知之内获得平台推送的内容，也即，用户的阅读与个人成长处于割裂状态
- 当单个用户的成长与阅读成非正比发展，那么，对整个年轻群体显然将会是一场巨大的灾难，缺乏良好的阅读环境，沉迷快餐内容，年轻一代又怎么成长呢？
- 长期看内容相似的东西容易厌倦，用户使用APP的时间可能不长
4、一点别的看法
- 字节跳动的这一类产品均为娱乐性产品，不可替代性较低，也不具有刚需性。当有新的爆款产品出现时，很容易被抢占市场。
- 字节跳动的产品全球布局较广。
原因：字节的产品偏娱乐性，社交关系/购物方式不一定相通，但快乐都是相通的。
三、以办公为核心的产品
- 紧跟最近由疫情引起的远程办公、远程教学
四、以拍照为核心的产品
- FaceU激萌：主打好玩的拍照。研发核心在于产出有趣的滤镜/贴纸，让用户玩的开心
- 轻颜相机：主打高级质感的自拍软件。研发核心在于产出自然、漂亮的滤镜，让用户自拍妆容看起来更精致
