说明：本篇文章本人最早发布在三节课公众号上。
快手现在已不是过去那种，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：市值超过100亿，注册用户过6亿，月活跃用户1.8亿，DAU7000万，每日UGC视频上传1000万条。那些数据让它没有异议地，成为了短视频社交领域的独角兽。
按照艺恩最新的报告，2017年7月短视频综合平台类App排行中，快手位列第一，MAU达1.4049亿人快手热门算法，活跃用户同比增速2.68%。而位列第二、第三的地瓜视频和火山小视频月度活跃用亩均在两千余千人。
另外，我发觉快手的产品表现层上几乎没有任何改动，构架上仍然只有三个Tab“关注”、“发现”和“同城”。其在AppStore上的版本记录里，每次都只有两点。
这么惊人的数据，产品后端却很简单，几乎看不到哪些变动，而快手CEO宿华当初提及过，推荐算法对快手产品影响很大，这都引起了我的好奇：产品角度来说，究竟快手凭哪些常年成为短视频社交领域的头牌？它又为什么选择个性化推荐算法的打法？
----------------------------------
不管一款产品怎样设计快手热门算法，最终的目的都是角逐用户的时间，提升用户的黏性，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，一切都是围绕着提升这三者而展开的。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、组合各类推荐算法，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，精准描画出用户意图，针对性地给用户推荐其乐意观看的视频，提供极至的产品体验，提高视频观看率，提高用户粘性。产品的关键点就在于剖析用户的意图，并将个性化的推荐结果通过巧妙的产品设计传达下来。另一方面，交互也会影响算法。因为交互界面的作用是拿来收集数据用的，实现提高推荐精准度的目的，因而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名，以红心数多少根据个别规则进行推荐
打开快手app，在没有登陆的情况下，界面十分简单，没有常见的视频类别，也没有根据视频热度的两个维度，即播放量和红心数的多少设置排名榜单，而是以大瀑布流的方式展示内容。可以看见，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，但并非依照红心数从高到低排序，看上去完全是随机的。同时考虑视频的新鲜度，从时效性上优先展示的是三天内的视频。
在我观看了几个视频后再刷新，会展示更多相类似的视频。未登入情况下，用户只能看视频，难以进行其他任何操作。
这么，为什么不设置排名榜，且优先展示的是红心数而并非播放量呢？
我想到的缘由有两点：
1、排行榜须要更多营运的投入，同时容易培养大V，会起到主观引导流量的目的，快手不那么做，在战略上是有诱因的，具体剖析看下文。
2、在我看来，播放量是没有任何情绪色调的，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形式有区别，个性化推荐须要的是与用户自己有关的信息，而不是其他。
二、推荐方式覆盖不同需求
组合各类推荐方式，可以覆盖到用户的大部份需求。用户再依照结果操作，这种显性和隐性反馈，持续再反馈给系统。系统最终将多种反馈得到的结果，根据一定的优先级规则给到用户，最终达到1+1＞2的疗效。
1、登录后三种不同推荐Tab，组合不同推荐方法
在登陆后，会发觉有三个Tab：“关注”、“发现”和“同城”。
默认Tab是“发现”，展示逻辑与未登陆时相像。“关注”Tab里展示所有我之前关注的创作者的视频，与发觉不同的是，它指出的是视频的时效性。点击“同城”，直接基于LBS数据匹配附近的人发布的视频，它指出的是视频生产者与观看者之间的距离。
这么，为什么是根据这三个Tab来呢？我想到的逻辑是这样的：
1、围绕用户核心行为设计，免予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，填补不同算法的缺陷，使推荐结果愈发精准
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，好的产品不须要去特意引导用户，能简单尽量简单。快手的用户需求就是看视频，产品在设计时须要思索怎么让用户更高效地看见自己乐意看的视频就好。加功能容易，但能克制不让功能繁多却很难。这是做产品的初心，快手仍然保持着。
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式：协同推荐系统和内容过滤系统，这两种推荐方式结合的结果。
协同过滤系统就是通过用户历史观看视频的行为，剖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，因而须要混和别的算法，例如内容过滤系统。内容过滤系统，给用户推荐她们之前喜欢的视频内容上相像的其他视频。
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。系统会收集用户的显性行为，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、观看视频宽度、减少某类视频。
在“关注”这个Tab下，依照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。由于在关注这个栏目中，用户的喜好早已很明晰，不须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爆光的一个入口。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，是估算两个视频在内容上的相像度。
从界面上可以发觉，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辨识和判定，之后以个别技巧来界定视频，例如估算个别视频的相像度。通过视频的标题或描述、发布位置、评论等抽取个别关键词或给视频打标签，再依照个别模型估算视频相像度来进行推荐。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。
这么，“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，主要是依照距离的远近来排序，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。作用其二，是增强内容生产者的爆光可能性，其一，降低用户的社交关系链，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
不仅以上的三个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，步入到个人中心页面，步入搜索中。在搜索框中输入某个关键词，会列举爱称中和个人介绍中富含该关键词的用户，并根据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，这儿不谈。
不仅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，依照用户在社交网路中的好友做推荐。在快手上也彰显出了这点的设计，例如登陆时，可以用微博或陌陌登入。快手可以抓取用户在微博上的数据，剖析用户的喜好有利于更了解用户。另外也可以导出手机通信录，因而关注手机通信录的好友。同时会按照你之前关注的人推荐另一批用户给你。
这儿我猜想有个默认的逻辑，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像。
以上说的都是从内容消费者角度听到的，从内容生产者角度来说，要想让产品持续有生命力，让视频爆光就是最关键的，我想这儿涉及到了更深入的权重策略，目的就是能否平衡好新老内容创造者。
------------------------
这么，新的问题来了，为什么快手是以个性化推荐的形式切入到短视频领域，而不是其他的方法？
我考虑到可能有以下几个诱因：
从里面的体验，我们可以得出一个推论，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，注重考虑怎样让人和人之间、人和内容之间以合适的方法触达对方。
这么，反推这样设计的原因：
【目标用户群定位，差别化竞争】
要想让自己立足，就要做差别化竞争，但怎么差别化须要思索三个点：
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、自己最大的优势是哪些
秒拍利用微博拥有粉丝效应的名星资源，美拍的群体主要是年青男性，这两个产品的用户群体成为了她们的优点，但也同样弄成了弱点，难以加码城市的边沿人群，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，这是她们切入短视频领域挺好的一个技术优势。产品要想快速产生优势，技术优势是很难赶超的一个点。
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联接，产生强纽带。有助于产品用户量快速上升。
其实，里面那些点还不足以旁证快手变革短视频领域的缘由。我个人更乐意相信，这是创始团队的战略眼光。见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须要】
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步入到一个自己创造下来的只属于自己的圈子。短视频社交的目的其实也是为了更好地沉淀用户，提升存留。物以类聚，人以群分，说究竟，我们除了是看视频，而是通过看视频不断的体会自我存在感。个性化推荐从某种角度来说，会让我们找到跟我们相像的人，而这会降低用户留出来的可能性。
【冷启动的须要】
不设分类，不依照一定规则进行排序，去中心化的内容分发方式，虽然是快手初期冷启动的须要，也是十分有效的方式。当快手在变革之初，会面临视频内容数目不足和质量不优的双重问题，因而须要一种产品形态，既可以满足冷启动的须要，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方式加个性化推荐，是从产品战略角度出发的，这个在后文会谈到。而推荐系统须要依照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，因而在没有大量的数据为推荐做先决条件之前，就须要考虑这个冷启动的问题，而常用的方式就是推荐非个性化的内容。
【提供用户最有用的信息的须要】
我们都晓得，假如要做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，用户须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法，某一方面来说，除了是产品围绕社交设计的须要，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产生良性循环，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、理解彼此之间怎样交互，再依照理解进行匹配。如前文所说，最终须要注重考虑怎样让人和人之间、人和内容之间以合适的方法触达对方。
UGC视频数目巨大，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，目的就是能否顺利帮助她们爆光内容，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，最重要就是用户黏性，也就是须要增强并持续保持住自己的流量，惟一要做的，就是才能让内容生产者和消费者之间产生有效流转的闭环，实现内容消费者和生产者之间的多赢。
个性化推荐的做法，让内容生产者明晰自己的商业变现方式，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，才能持续不断的吸引更多创作者创造优质内容，因而吸引更多消费者，而良好的用户反馈则反之推动内容生产者的生产，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形式，过去，编导、编辑为决定者的中心化分发方法，但这样造成其他内容质量似乎不是很高的视频就无法爆光，难以获得一定的流量支持。
这样的个性化推荐方法，人工营运的很少干预，真正做到万人千面的同时，能够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，也不至于像重视传播属性的平台，尽管构建出了一些大V，但也因而出现了马太效应，且到最后，平台容易被大V裹挟，进入不上不下的难堪窘境。只要这个算法持续存在，
而快手的这些做法，恰恰促使平台的价值没有被消弱，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。快手的标语是记录生活，既然是记录生活，自然是展示最真实的生活原样，因而你看见的视频就会是多样化的、但真实不刻意的。
写在最后：
虽然到了现在，快手已经过了高速下降期，转而步入了成熟期。成熟期的产品不约而同都须要考虑，怎么挖掘现有流量的价值。虽然目前快手流量大，但未来肯定须要在产品上考虑怎样实现更多变现的可能。这么当前的算法还会阻碍它的发展，除非其在产品形态和模式上有更多创新。
几年内，不管快手会怎样出手，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，其实都是快手必然会做的。
