快手平台的运营内容-快手如何运营

基于快手算法规则，如何制定内容策略? 一看如何定义内容;

二看如何定义人：长期属性、中期属性、短期属性; 三看如何设计人与内容的互动。以及背后的价值观：基尼系数

快手在内容消费端的人工智能技术主要围绕三个核心：定义内容、定义人、人与内容的互动。 理解它的机制，对内容生产者而言就可以更好地有的放矢、生产出传播更高效的内容。简单 来说，想要你的内容如何更容易被机器识别和“喜欢”，首先你得了解机器运作的原理。

定义内容

导语：每一次猜测都是一个弱决策，大量的弱决策叠加在一起就形成强匹配。也就是识别图文和视频。到目前技术的发展，图文识别已经很先进了，比如它能识别出一篇 文章的分类，也能识别一片文章的情感，判定文章表达的喜怒哀乐、褒贬态度。但视频的机器识别技术还没有那么准确，如果要识别一个视频里有没有黄赌毒，就很复杂了，仅仅通过机器识别图像后提取的概念是不够的，还需要大量的只有人类才能判断的常识信息 才能够准确判断。同样，机器也无法通过一次识别就判断这只视频是否受欢迎。所以采取了 这样的办法：当一则视频上传到快手，机器先会抓取一些特征、提取信息，比如识别主体、表情、场景、 图像质量、OCR 文字识别、音乐、声音提取的文字等等。

比如可以识别出一只小狗，在草地，同时机器会进一步寻找视频里的细微特征，每一个特征 都是机器的猜测，然后做验证。每一次猜测都是一个弱决策，大量的弱决策叠加在一起就形 成强匹配。

机器要实现对用户兴趣的精准识别，需要一定时间。系统会优先推送高 CTR 的内容，在这 个过程中进行兴趣探测，投放到用户池中做灰度测试，从而得到不断的验证。

定义人

导语：带有大量标签的用户，可以总结出特征，以便更好地让系统了解用户。你从一开始知道一个陌生人是男是女，哪里人，做什么工作，等时间久了，你会知道他喜欢 什么运动、饮食偏好、人品和价值观。认识一个人的过程是不断获取信息、分析信息，时间 久了，你熟悉了，就可以预测这个人的想要什么、会做出什么行为。机器也在与每一个用户建立从陌生人发展到熟悉朋友的过程。一个快手的新用户，在冷启动 时，机器首先会根据用户的注册资料、手机机型、地理位置和周边用户等情况，对用户做一 个标签分析。一旦用户有了使用行为，浏览了内容后，快手的机器会根据用户的观看行为， 升级用户标签库，进而给用户匹配更精准的内容。目前快手用户的手机型号有 5 万多种，快 手的自研 AI 引擎会适应每种机型的硬件配置，快手的用户标签库已经高达数百亿条。带有大量标签的用户，可以总结出特征，以便更好地让系统了解用户。用户的特征分为长期特征、中期特征、短期特征三块。其中，长期特征是出生年月、地区(IP 地址、POI/AOI)、 性别等，那些你长时间不会变的特征。中期特征是兴趣爱好。最难识别的是短期特征，比如 一个人搜索“苹果”，今天可能是想吃苹果，明天可能是想买一个苹果手机。这样的特征是瞬 息万变的，也很难识别和判断，所以机器需要记录用户大量的使用行为，建立深度学习的模 型来不断训练，从中形成用户大致的画像(我们叫用户向量)，从而更好地判断用户到底喜 欢什么，以及和其他用户的关系。

人与内容的互动

导语：互动数据最难的是需要时间沉淀、用户量积累和用户活跃度。

就是指的是用户之间的点赞、关注和评论等行为。基于刚刚的解释，你很容易明白，互动相 关的数据有助于机器预估一个人的兴趣爱好。很多刚玩快手，就有个感觉，都给我推的什么 东西呀?!很多原因是因为你暴露给机器的标签还不够多，机器还不认识你。实际上，它的 颗粒度已经做得非常细了。比如我自己喜欢古典舞蹈，使用一段时间后，我的推送里并非都 是类似街舞的现代舞种，而是中国古典舞的分类。互动数据最难的是需要时间沉淀、用户量积累和用户活跃度。人群沉淀的价值也很明显，在 快手上，一个天天钓鱼的账号，几十条上百条内容全部一样的，就一个人坐在那里钓鱼，而 他的粉丝有数十万，这些老铁们都喜欢天天看他钓鱼。所以我刚刚说，快手是在找“人”的价值，通过这样的方式找到志同道合的老铁。