从 0 到 1 做短视频社区（2）：搭建内容消费平台

在《从 0 到 1 做短视频社区（1）：初期起量阶段》一文中，详细的阐述了短视频社区在第一个阶段的经历和方法论。经过第一阶段，此时健康的短视频产品应该是数据上升期，但留存处于次留高，长留低的衰减曲线，此时需要开启短视频社区的第二阶段——搭建内容消费平台。那么这一阶段又要做些什么呢？

作为一个短视频社区，最终产品形态一定**回归到内容消费上，工具只是作为初期起量的手段，帮助产品做好0到1的阶段，但工具本身的属性，**让用户初期充满新鲜感，短期内使用率**很高，但长期兴趣下降，导致产品长留的阶梯式衰减，因此在工具属性完成了初期起量的使命后，就需要开始逐渐将产品的属性从工具转变为内容消费，这是第二阶段主要做的工作。

第二个阶段，搭建内容消费平台。要完成这个阶段目标，需要在以下三个方面入手：消费体验、内容运营&推荐策略、买量方向改变。

一、消费体验

作为一个消费平台，需要保证用户在平台中消费内容的体验，核心要让用户觉得“爽”，除了内容之外，产品上的体验也是非常重要。不过空谈体验是非常虚且主观的感受，业务侧可以从以下三点入手：

1. 底层播放技术的优化

短视频最基础的是一个视频播放器，因此视频播放不卡顿、不掉帧、不黑屏、不崩溃是基础要保证，让用户顺利的看完一个又一个视频是基础中的基础，这点需要技术研发不断打磨。

2. 播放器的交互和内容的展示

技术侧的优化是很直接的，而产品的优化相对“玄学”一些——从内容和交互层面要让用户感觉到爽，核心是让内容更加清晰有效的在用户面前展示，让用户更有欲望开始观看，观看完毕，进而重复观看。

这块需要产品经理“大胆假设，小心求证”，即不断的提出用户可能存在体验上不好的问题，并利用AB Test探索每个问题的最优解。

比较经典的案例：视频与视频之间的间隔宽度，视频加载时的默认图的颜色，视频瀑布流顶部是白色底还是透明底，互动的图标是实心还是空心等，这些看似“无聊”的假设，最后都能测出效果优质的结论，加起来最后能让体验加分。这点需要产品经理与交互同学配合来优化。

3. 内容本身的质量

以上两点是消费体验模块的硬件，软件是内容本身，内容质量、内容封面、内容调性等都是**影响内容消费体验的因素，毕竟大家是过来消费内容的，内容出了问题，就是这个产品的本质出了问题。这个模块其实是本文中所有模块的基础，需要内容运营和推荐系统一起配合。

二、内容运营&推荐策略

内容消费社区，内容是根本，用户的来和留，最底层的决定因素就是产品里的内容，所以要搭建一套完善的内容生态，保证用户可以在这里消费内容，可以在这里生产内容。

生态是偏生物学的词汇，近几年在互联网圈子是个出现频率很高的词汇。

举个例子可以简单的了解生态的概念：在一个池塘里要养殖多种淡水鱼，合理的情况是养殖鲢鱼、鳙鱼、草鱼、青鱼四种，鲢鱼于水域上层活动，鳙鱼生活于水域中层，而草鱼与青鱼分别栖息水域的下层和底层，混合放养不但可以充分利用池塘水体的立体空间，又能合理地利用各种天然饵料，提高人工饲料的利用率，还可以发挥不同鱼类之间的互利作用，维持有利的生态环境。小池塘就构成了一个简单的生态，生态是一个闭环，有入有出。

短视频内容生态也是如此，有内容生产，有内容消费。内容的运营成为此阶段的重点工作。

随之而来的是三个问题：内容从何而来，内容如何分发出去，如何控制端内的内容品类。

1. 内容从何而来

在《从 0 到 1 做短视频社区（1）：初期起量阶段》一文中有简单的谈过，初期内容主要靠爬取。内容冷启动阶段，要快速积累大量的内容，在缺少资金和时间的条件下，站外爬取是最优解，这些爬取的视频在站外都有基本的消费数据（点**、分享、评论等），可以为内容冷启动提供基础的行为数据，了解不同内容平台在内容消费喜好。

爬取内容虽然简单，但内容入库后的处理才是工作的难点，需要一系列的流程让内容顺利从“别人的变成自己的”。

• 第一，爬取回来的内容要进入平台的数据库内，并做一系列的处理，包括去掉其他平台的水印，干掉不符合审核标准的内容，并且要标记好每个内容的来源。
• 第二，清理过的内容需要做去重，因为很多平台上的内容也有爬取和搬运，**出现同一个视频在多个平台多个作者账号上发布的情况，为了避免大量重复的内容，一般**通过AI的算法聚类去重。
• 第三，给内容加上标签，前文提到早期要有一套完善的标签体系，主要帮助机器理解内容。所有入库的内容，包括爬取和UGC，都要及时的打上内容标签，这步做完意味着这个内容被打上了平台的标记，**放到对应内容品类中，随后才能进行分发。
• 第四，分配爬虫账号，虽然是爬取的内容，但在平台内也是需要有作者归属，这一般**同步建立爬虫账号，将这些内容分配出去。需要注意的是有些内容在站外是同一个作者发布的，具有连续性和作者一致性，需要将这类作品归类好放置到一个账号下。爬虫账号不仅要有内容，也要尽可能真实。

经过上面流程后，内容基本就可以拿出去给推荐分发。

虽然爬虫内容可以帮助内容冷启动，但问题也非常多。

• 首当其冲的就是版权问题，产品一旦规模扩大后，这是一大软肋，严重的情况甚至产品**被告到下架；
• 其次是内容都是别的平台的，消费时效性是落后的，可能抖音平台几天前已经玩过甩狗头的玩法，自家平台才刚开始；
• 再次是平台内容缺乏独特性，且内容创作者在其他平台，这层关系是无法爬取过来，用户粘性**降低，后期**社区搭建困难重重；
• 最后是没有真正的用户消费数据，爬取过来的数字都是别人平台的，到底有没有加工过，是哪些用户贡献了这些数据，这些数据是不得而知。

因此，这个阶段就应该要有意识的做UGC内容，这也是内容的重要来源之一。

在用户规模还没到一个巨大的量级时，做UGC是比较难出成果，但做这个事并不是为了快速出结果，能培养一批早期的UGC和内容生产者，是为未来做准备。

这个阶段，可以从站内挖掘和站外签约做起。由于早期是通过工具起量，一定有小部分用户是能够通过工具生产出相对优质的内容，另一批可以在站外寻找粉丝数量一般，内容质量还不错的小网红，与他们签约，将他们的内容放在自己平台内发布，这两批人就是此时运营的重点，推动他们发布作品，使用新的工具，参加端内活动，帮助他们运营端内账号，将他们的内容给予一定的曝光，核心目的是让这批人持续有动力的生产。虽然现阶段UGC是星星之火，但平台成长后就**有燎原之势。

2。 内容如何分发出去

内容生产出来后，要顺利的分发出去，让内容与喜欢它的用户匹配，进而刺激用户继续消费，继续匹配。这需要依靠强大的推荐系统来完成。简单来看主要做好三点：

• 第一，基于内容的标签体系要越完善越精准越好，因为两者的匹配，一定是对两者都熟悉才能做匹配，但凡一方理解有误，就容易造成匹配失败，也就是所谓的推荐不够精准（当然后期在积累了大量数据后，是可以通过机器学习来理解内容，这是后话了）。
• 第二，在早期越早获得越多新用户信息，对推荐越有利，这些信息可以包括用户的年龄、性别、所在城市、手机机型、手机内App列表、渠道来源、广告买量信息等。在早期用户承接中，因为暂时没有用户积累的行为数据，需要其他信息辅助推荐系统更快的了解用户。而这些信息可以通过引导用户登录，投放广告时将定向信息传递回来，获取手机系统的一些权限能够了解用户的App列表等方式得到。
• 第三，不断强化推荐系统，利用AB Test能力，测试大量的算法策略，保证算法能够尽快了解用户的喜好，做到短时间的策略响应，最后反馈到用户行为上就是不断的******，数据层面人均vv**暴涨，进而影响留存数据。

推荐系统在内容消费中是重要的一环，它解决的是信息分发的问题，这块若没有做好，整个内容消费也不**有很好的结果，那项目也基本就死在这个阶段。但由于搭建一套完善的推荐系统，是非常耗费人力、物力和财力的，一般小公司很难有这种资本，所以短视频本质上，是大资本公司玩的业务。

3. 如何把控内容品类

把控内容品类，主要是避免低俗软**内容。这些内容**短时间拉高数据表现，但这是不健康的数据，且祸害极大。产品口碑**急剧下降，同时其他好的内容**被低俗内容影响无法曝光，劣币驱逐良币最终导致平台只有垃圾内容泛滥。

所以在内容入库、标签标记和分发的时候，一定要将这些擦边内容标记出来，并尽可能的降权处理，一旦这些内容不受控制，平台也离死亡不远了。

内容和推荐，是这一个阶段的重中之重，也是为未来打基础，因此底层基建需要重视。

三、买量策略转变

第一个阶段买量主要集中在工具用户，到了第二个阶段，需要有一些转变，将一部分的资金预算转向购买内容用户，即通过视频内容的广告素材向市场投放，吸引内容消费类的用户。

转变的原因是第二个阶段需要定向的获取一些内容消费用户，毕竟工具用户进来更多的目标是玩工具，虽然能转一部分成为内容消费用户，但依然不够精准，需要精准的买量用户来改变端内用户成分。

由于内容买量大概率**比工具买量的成本高，因此需要控制好两者的比例，工具素材买量保证新增量级不降，而内容素材买量则是在逐渐改变产品的用户构成，让更多的用户在平台内消费内容。

这是一个探索和改变的过程，需要市场买量时刻监控数据，同时与产品运营同学一起找端内消费数据较好的内容进行买量测试， 核心是在尽可能低的成本下，吸引到尽可能多的内容消费用户。

第二个阶段是产品转型的开始，是打基础的环节，所以这一步非常关键，方向不能错了，不能一直沉溺于工具吸量的数据增长，也不能计较UGC内容数据不如爬虫内容，短视频是一个长远的项目，眼光需要放长远，而不是计较眼前的数据涨跌，做正确的事，永远比正确的做事重要。

（未完待续）

相关阅读

从 0 到 1 做短视频社区（1）：初期起量阶段

本文由 @银古的小酒馆 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议