抖音直播带货流量算法解析 .docxVIP

抖音直播带货最新流量算法解析 抖音本质是互联网产品， 产品的背后是代码，代码的底层 是算法 。 想要做好直播带货，就必须理解 抖音底层的算法体系。 本文将在整个篇幅中，致力于通过保姆级的分析，接近如 下三个问题的答案。 1.抖音直播的算法结构究竟是怎样的 2.日常的行为如何通过算法去做解释 3.如何利用算法推演直播间玩法 开宗明义：流量、指标、标签、权重，构成了直播间的 底层体系。 下面逐一拆解。 1.流量 流量作为底层算法最基础的要素， 用于衡量直播间的观看 规模。 以场观大小分成几个维度大致可分为： E 级就是百人场观； D 级就是千人场观； C 级是万人场观、 B 级是接近 10 万人的场观； A 级是几十万人的场观； S 级是百万级的场观。 2.指标 从供给的角度，每天几十万场直播，抖音需要一套指标 体系，用于衡量每个直播间的开播质量。 进而根据数据的优劣排序，给不同直播间分配流量，这时 候会涉及另一个词： 指标 指标作为衡量直播间质量的标准，并不是单一存在，而是 涉及到三个层次： 用户行为 商业价值 流量规模 与此对应的就是： 互动指标 交易指标 流量指标 互动指标包含直播间所有的用户行为，如停留、点赞、评 论、关注、加粉丝团、分享等都属于互动指标。 停留，是所有互动指标里最基础，也是最重要的指标。 首先，所有数据的产生都必须以停留为前提。 其次，评论大于点赞，但又弱于关注、粉丝团、分享。 互动指标大体上反映了一个直播间的 人气状态。 从算法判断的角度， 是衡量直播间能否有效留住用户的重 要维度之一。 如果说一个直播间互动指标做的好，数据回传到数据库， 通过与竞争对手的互动指标对比，数据好于对方的情况 下，账号就可以优先获得系统的推荐流量。 但是，一个账号的流量增长，光依靠互动指标并无法长期 驱动。 一款商业化产品的终点一定是盈利，直播间同样也是。 能够有效获得停留，只是证明了目标直播间的留人能力， 其次还要考量留人之上的变现能力。 这时候涉及的就是 交易指标。 一切跟交易行为相关的指标，均为交易指标。 交易指标仍然可以被拆分为 交易行为与交易数据。 交易行为包含购物车点击、商品链接点击、订单创建等； 交易数据包含 GMV 、 UV 价值、人均 GMV 等。 遵循 “最基础的指标就是最重要” 的原则，在交易行为当 中， 购物车点击 为最核心的指标。 没有购物车点击，所谓的转化成单都是泡影。 同样在交易数据当中， UV 价值作为最小的单元，地位首 当其冲， UV 价值*场观得出 GMV ，GMV/下单人数得出 人均 GMV。 综上，对于指标的优先排序， 能够有利于直播间的运营者， 在每个阶段制定相应的竞争策略。 比如起号阶段对停留的追求；流量上升时，对于购物车点 击率、 UV 价值的要求。 但是实际的算法体系中， 指标的优先排序并不是简单的线 性排序，而是 线性基础上的交叉排序 。 直播间不会单纯因为某一个指标的增长， 而迅速获得流量 的推荐，而是需要将多个指标在优先排序的基础上，交叉 增长。 互动指标、交易指标决定了直播间的数据体现，而数据体 现对应的即是流量指标，如场观、峰值等。 场观大体上决定了直播间在过去几场当中的指标体现， 峰 值则分为 开场峰值 跟推荐峰值 。 开场峰值同样受历史模型的影响。 举个例子，一个账号只要开播，就会在直播广场里占有一 席之地。 但是这个位置能否靠前，得到更多的流量推荐，就需要看 往期直播的质量。 如果一个账号在多个高位点下播， 那么推荐机制就会按上 一次的推荐机制位置重新推送， 让直播广场源源不断地为 你的直播间上人，这就是我们经常说的 卡直播广场 。 而推荐峰值，则更多受直播过程中的实时数据影响。 一个直播间开播，若开场前半小时的整体承接能力不错。 那么在后续的两到三个小时的直播过程， 系统对于流量的 推送会远高于同级别账号。 而算法的计算，则是依赖于直播过程中交易指标的表现。 但是算法的衡量并非半小时为周期，而是实时的计算，并 带有延迟性的流量回传。 3.标签 那么，流量在直播间的流动中是恒定不变的吗？ 熟悉了上面的算法规则后可以得出答案：显然不是。 除了规模上的非均衡分布，在类别上也会经历质量的进 化，而因此引出另一个词： 标签 人们口中经常讲的标签到底是什么？ 标签即 直播间的身份 。 身份越明确，算法越能知道直播间需要什么类别的用户， 进而推送什么类别的用户。 标签同样是具备三层的结构体系，分别为 基础标签、偏好 标签、交易标签。 基础标签 包含用户的性别、年龄、地域等基础信息，具备 基础标签的直播间，算法会提供满足基础标签的用户流 量。 大多数直播间，只要开播超过一周，算法会通