正确的提示信息

扫码打开虎嗅APP

从思考到创造
打开APP
搜索历史
删除
完成
全部删除
热搜词
2021-03-04 12:06
美国“头学家”是怎么看待TikTok的?

本文作者:施言,题图来自:视觉中国


独立分析师Eugene Wei围绕TikTok先后写了三篇文章,分别从三个角度来阐述他对这个“新物种”的理解:


推荐算法实现内容精准分发和用户分层/区隔;


单列设计有效收集用户的负反馈并优化算法;


便捷的生产工具和功能操作激活了用户的创造力和模因的病毒性传播。


纵览三篇文章,Eugene Wei对TikTok是相当推崇的,其中也不乏对Facebook、Instagram、Twitter、Youtube等传统头部产品创新衰竭的吐槽。


尤其是,作为一名美国互联网的从业者和评论写作者,Eugene Wei对TikTok的分析视角和国内前辈老师对抖音快手的分析视角有诸多差异。因此我将自己对这三篇文章的阅读思考整理如下,做个记录和分享,也便于大家交流讨论。


原文是英文,加上我是基于自己的逻辑重新梳理读后感,难免会有理解不到位和信息遗漏的地方,有兴趣有条件的读者建议看看原文。


他的代表作是对社交资本、社交地位Staas(Status as a Service)的系列研究文章。(西昂翔老师曾将其编译为《禅与社交网络维修艺术》一文)


《TikTok和分院帽》(TikTok and the Sorting Hat)


潘乱老师的《乱翻书》对这篇文章已经做了中文编译。


第一篇文章,Eugene Wei主要回顾了Musical.ly到TikTok的发展历史,这部分和大家在诸多国内媒体看到的版本相比没什么信息增量,不再赘述。


他强调了TikTok是如何通过算法实现个性化推荐,从而有效地对用户进行分层和区隔,缓解了社交/社区产品中差异化人群的社交摩擦——即《哈利波特》中的“分院帽”功能,尤其是在美国这样多元文化异质性很强的国家。


吐槽了Facebook、Instagram、Twitter、YouTube等竞品长期迟钝的创新能力和混乱的产品战略方向。也反思了Facebook、Twitter这种依靠社交图谱(双向/单向关注)拓展兴趣图谱的局限性——当社交网络达到一定规模,用户在内容消费上就可能受到这种社交联系的负面影响:


Facebook上是弱关系向强关系转变造成的社交压力。比如你认识但不熟的人向你发出好友邀请,你该如何是好;即使双向关注的“好友”也不一定是真正的熟人朋友关系,面对这种尴尬的社交联系会有很多现实困扰。


Twitter上是“关注内容还是关注人”的分歧。单向关注虽然更灵活,但是早期没有提供足够的反馈机制去规范用户发什么内容,所以会造成“我关注一个大V,但并不是对ta所有内容都感兴趣”的选择麻烦。


相比之下,TikTok的优势在于其是完全没有社交联系的纯粹兴趣图谱,完全基于用户和算法之间的互动(“当你在看TikTok时,TikTok也在看你”)


算法高效,用户可以沉浸在自己的兴趣圈子;


视频很短,用户在单位时间提供的训练数据量很大;


视频具有娱乐性,用户乐在其中。


在最后也简单提了TikTok的局限性:


推荐算法造成同质性内容(此处没有使用“信息茧房”的争议性词汇,目前大家对于这一概念的定义和成因还存在分歧)


竖屏不利于宽幅画面的展示。


《像算法一样看》(Seeing Like an Algorithm)


这篇主要是从三个对比来肯定TikTok(抖音)的单列设计是怎么帮助算法高效识别用户的负反馈:


苹果为代表的用户友好型设计核心是:顺滑(消除交互摩擦,最基本需求)和感到喜悦(时尚、优雅、有品味等,用户的精神需求)


TikTok为代表的算法友好型设计,先服务/优化算法再更好地服务用户,是打地基、铸造飞轮核心,推动业务可持续发展和实现消费规模。


Facebook和Twitter为代表的信息流产品的交互设计是无限竖屏滚动流,优点是为用户提供一种不受约束的消费节奏控制感,缺点是难以定位用户对同一条内容的情绪反馈;


TikTok为代表的短视频产品是单列全屏分页,帮助算法收集来自用户的各种信号和反馈,尤其是帮助判定用户的消极反馈。


社交图谱(Facebook)基于社交网络构建,会避免使用dislike按钮等直接的负面信号反馈设计来增加交互摩擦;


兴趣图谱(Reddit)是以(有趣的)内容为基础构建,需要直接的负面信号反馈来保证社区内容的质量与调性;


社交图谱和兴趣图谱存在偏差,你感兴趣的内容和你认识的人感兴趣的内容可能不一致(比如Twitter,作者将其定义为基于社交图谱构建的兴趣图谱),从时序排列到算法推荐就是解决手段;


TikTok没有不赞成/不喜欢的降格按钮,但是通过单列设计,以较少的用户交互摩擦(一次只能刷一条)为代价换来算法对用户消极反馈的高效识别,从而强化底层推荐算法,让飞轮跑起来。


《美式虚闲》(American Idle)


这篇讲创造力的网络效应。


国内很多前辈老师讲抖快在规模效应和网络效应上的对比,但是Eugene Wei这里分析的网络效应不是指社交关系链接的网络,而是讲文化模因(meme)作为一种复制因子是如何通过TT的产品功能+算法被放大和扩散所形成的抽象网络。


我个人理解两种网络的差异在于:


前者的节点是用户个体,链接是关注关系;


后者的节点则是模因(可以具象为引起病毒性传播的特定短视频,及其具备可复制性的画面、音乐元素),链接则是用户的创造力(模仿/创新,对应模因的遗传/变异)+TikTok产品功能和推荐算法(放大器,简化用户操作便于创新实现和病毒性传播)


Eugene Wei认为TikTok在功能设计的革命性在于:将传统编辑软件Pr/AE的复杂操作简化成功能模块,便于用户使用(比如剪映的一键特效和滤镜),同时可以对旧视频进行元素提取(画面剪辑和音乐提取等)和编辑修改。这样TikTok上的内容可以被分解成基本单元,也可以基于用户创造力而重新组合。TikTok的美学就是创造力的证明。


用户可以把TikTok内容上传到YouTube或Instagram Reels,但是这些平台都无法对短视频进行精细化编辑,所以只能成为分发平台,而创造力发生在TikTok上。


Instagram上的内容是表演性的,而TikTok上是兼具表演性和创作者主体意识的。Instagram可以抄袭Snapchat的stories功能而获得一时成功,但是用户的创造力难以被复制,这是建立在TikTok产品功能+推荐算法之上的用户生态的竞争力体现,并且形成了飞轮式的正反馈(“原子可以复制,但是魔力存在于分子水平”)


还吐槽了Youtube几乎没有官方的视频生产工具。在第一篇和第三篇文章两度吐槽这点,并指出这可能是让TikTok乘虚而入占领短视频市场的原因之一。


Eugene Wei重点提到TikTok的Duet(即抖音的合拍,新旧视频分屏对称性展示)、Stitch(貌似抖音没有对应功能,就是将新旧视频的非对称性排布)功能,被欧美用户玩出很多花样。


比如图中的精彩case,用户B只是扫把放头上来低劣模仿用户A的奇怪发型,而用户C是错位拍摄来表演自己在举着这扫把,自此开始,后边的用户都在模仿+创新这种错位拍摄做套娃和叠加,最后若干个视频被整合剪辑成这样一个mosaic(人类的本质就是复读机)。相反国内用户在模仿/创新上偏保守,这也是中美文化和生活方式的差异造成的创新力的差异。


此外粉丝在评论区@创作者来模仿“交作业”,也成为TikTok的一种社区规范形成并反馈循环。


从Musical.ly到抖音到TikTok,都是主打音乐短视频。音乐的文化穿透力很强,歌词/旋律就可以作为特定模因的起源,而视频化可以加速音乐的传播和流行(比如TikTok/抖音上的热歌热曲)


音乐作为模因的传播周期更长,而人作为视觉动物对图像更敏感,图像/视频可以成为坐标帮助人们建立对音乐的持续记忆。


比如你可能不会哼唱Celine Dion的《My Heart Will Go On》,但你肯定会条件反射式联想起Jack和Rose在甲板上伸手相拥的画面。TikTok就是现代的MTV。


注:Eugene Wei毕业于斯坦福,是Amazon的第一位战略分析师,后又就职于Hulu、Flipboard、Facebook旗下的VR业务Oculus。他在互联网产品方面有诸多工作实践和研究,并在个人博客Remains of the Day上做输出。离开企业后,目前他专职TMT评论写作、咨询和天使投资的工作。


Eugene Wei提到自己之前文章过长而被读者吐槽,所以基于用户对短内容的消费需求和碎片化的消费习惯,将第三篇文章分割成多个彼此逻辑关联不大的章节(类似和王兴深度绑定的《有限与无限的游戏》),章节之间跳跃性很强,反而很难一气呵成读下来,集中性的阅读体验并不好。


本文作者:施言

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系 hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
打开虎嗅APP,查看全文
频道:

支持一下

赞赏

0人已赞赏

大 家 都 在 看

大 家 都 在 搜

好的内容,值得赞赏

您的赞赏金额会直接进入作者的虎嗅账号

    自定义
    支付: