公告：抖音刷评论 --抖音买赞网站
有关译者：
旭然
十多年浏览器强化实战经验，曾出任过淘宝网、拉艾及chan的SEO相关人士，总计作出过上百万的月均网络流量快速增长。在自新闻媒体平台也有许多积极探索，协助抖音帐号「鹤同学说中国经济」快速增长一万多的影迷。
怎样让两条抖音音频伤风败俗？
muzat上来，这种的讲法全然没难题。
但从专精的视角，从方法论预测的视角、从二要提高音频播映量的视角，他们总有一天无法那么单个的去审视难题。
应剖析确切的是，「我们单厢讨厌的音频」一般来说是「音频伤风败俗」的必要性非必要性条件：
两条音频如若倍受人讨厌，那它大自然极难能可贵以伤风败俗；
但如此一来，他们也时常能看见许多极好的音频，它却不见得有著极高的点赞量。
为何有这时候许多产品质量不佳音频，会比高效率的音频获得抖音更多的发送量？
等想知道了那个难题，才可能将或者说迈入抖音营运的正门。
当他们无数个的刷抖音下面音频的这时候，是甚么下定决心了一个音频与否会被发送到他们眼前的？
推荐系统。
推荐系统，在商业公司比较早期的典型运用案例，是在全球最大的购物中文网站亚马逊下面的：
比如在这种一个电饭煲的商品详情页面上，亚马逊除了简单的推荐其它品牌的电饭煲以外，还会推荐酸奶机、空气炸锅等其它厨具，以促进用户更多的下单量。推荐系统所额外贡献的销售，一度占到当时亚马逊收入的35%。如此巨大的效果之下，其它中文网站也开始纷纷效仿。
抖音的创始人张一鸣是程序员出身。无论是他所打造的今日头条亦或抖音，都同样是以推荐系统为根基。早期的今日头条平台上甚至都没有任何自己的内容，全都是从其它门户中文网站抓取的。当时头条只做一件事情——用推荐系统找出优质新闻，并个性化的发送给不同的用户。看似简单，实则不然，也因此头条那个阶段的日活跃用户已经近百万了。
张一鸣在头条之前的创业项目叫做九九房，是一个房产信息搜索中文网站，获客主要依赖于百度；它当时是淘宝网在房产领域的主要竞争对手之一。做SEO这事还是我更专精，九九房的SEO网络流量比赶集房产明显更低。
抖音推荐系统算法主要做的事情，就是设法精准的把内容发送且仅发送给对它感兴趣的那部分用户。
因此，音频本身的产品质量、以及音频会被发送到甚么样的人群，这两点共同下定决心了音频最终会获得多少的发送量。
「音频产品质量」当然是对于发送量的一个比较重要的影响因素，但实际上，它的重要性可能将并不如大多人想象的那么高。这种反常识的观点，大自然应有许多数据来佐证，所以下面来统计些具体的数据。
产品质量指标里面比较典型的是点赞率。当观看用户觉得一个音频精彩的这时候，会给它点赞。于是许多人认为音频的点赞率一定会对播映量的影响很大。然而，真的是这种吗？
将合作朋友鹤同学的音频数据进行了最简单的统计后，上述难题的答案立马清晰易见。至少对于「鹤同学说中国经济」那个帐号而言：
点赞率在2%以下的音频，播映量容易大幅低于均值；
点赞率在5%以上的音频，播映量容易大幅高于均值。
高效率的音频播映量高，低产品质量的音频播映量低，这是符合一般来说认知的。
但值得留意的是，哪怕「鹤同学说中国经济」这种文案创作能力极强的垂直领域头部帐号，大部分音频的点赞率仍处于2~5%之间。在数据图中可以发现，对于这些产品质量相对普通的音频，其播映量和音频的点赞率几乎毫无关系。
既然点赞率在大部分情况下对于播映量几乎毫无影响，那么可想而知，诸如完播率在内的其它音频产品质量指标很可能将在一部分情况下，对播映量的影响也会有限。
这就回到了前面提到的观点——发送量同时取决于音频产品质量，以及音频被发送到哪些人群。
诸如星座类型的内容，大多年轻女性都是多少感兴趣的，哪怕跨领域往美妆的用户群体去发送也勉强可以。但与此同时，和星座同样是主要基于出生时间的八字，看似和星座挺像，但对应用户群体却主要是中老年人，一般来说不应把星座内容发送到对八字感兴趣的用户那边去。
纠正音频发送人群的最主要手段之一即是，添加话题。
如此明确的建议之下，「加话题有机会大涨网络流量」这本不该是甚么秘密。然而奇怪的是，甚少有人去认真对待话题的添加。
在许多抖音头部帐号里面，已经可以发现添加的话题数量越多，音频的平均点赞量越高。
当然「刘思瑶nice」那个随便用来举例的帐号，添加了话题的音频比没有添加的优势并不算太大，还远非最强化的状态。
在我之前的操作实战经验里面，通过合理的操作手段，哪怕只单独通过添加话题这一个的操作，给音频提高50%的发送量也是非常轻松的。
而且不仅是抖音，只要是自新闻媒体的发送系统，往往都比较依赖于话题那个东西。我也对小红书的话题做过研究，在小红书下面话题对于发送量的影响比抖音还要更大。
不好意思。若是那么简单粗暴的操作，十有八九会使得发送量反而降低：
怎么情况突然如此一来了？
其实很容易理解——既然添加合适的话题，可以把音频发送到更精准的用户群体进而提高发送量，那么如此一来，如果选择添加上来的话题不尽如人意，大自然也可以拉低发送量。
既然大多人还全然没意识到话题的重要性，那么他们选择话题的方式可想是非常随意的。最终反而使得网络流量下降并不奇怪。
甚么样的话题是适合添加的呢？不难想象，核心条件包括但必然不限于：
1) 话题受众人群和音频受众人群高度重合，否则会错误发送给对音频不感兴趣的人，拉低音频整体产品质量指标
2) 话题受众人群的体量较大，也即总播映次数高，否则哪怕音频产品质量再高也无处可发送
怎样高效找到符合上述两个条件的话题，也是一门学问。首先需要抓取海量的数据，之后在这海量数据下进行检索匹配、预测话题共现，是最起码应具备的条件：
听上来已经有些复杂了么？但前面提到的这两步，只是最最基础的。
只做这两步，也即精准的添加相关且热门的话题之后，尽管是能够提高发送量，有二要的操作价值，但从我这边收集的各种统计数字来看，恐怕也提高不了太多，不用期望一下子就看见极其可观的快速增长。
毕竟文章为了易于大众理解，写到的结论只是平均数这般中学程度的知识。但后面把提高工作或者说落到实处，背后需要的知识储备还多得多。
一般来说来说，理论研究的步骤是：
1）看书，了解推荐系统的基础原理
2）通过统计手段，总结部分表面的事实情况。除了单纯的统计方法，也应使用到深度学习等手段
3）通过字节跳动的专利文件，了解一部分实际线上的规则（https://www.uyanip.com/result?exp=KEYWORD%3A%28%E6%8E%A8%E8%8D%90%29+AND+SQREN%3A%28%E5%AD%97%E8%8A%82%E8%B7%B3%E5%8A%A8%29）
4）通过不断提出假说再进行验证，设法总结所有本质的事实情况。那个阶段除了对数据挖掘与预测能力的进一步要求，方法论能力也会成为一个门槛
第二、第三步骤是可以交替进行的，但第一步骤一定是所有研究的基础，第四步骤也往往是最后或者说的研究重点。
就如同，有这时候他们会看见同一个帐号下几乎一样的两个音频，一个表现平平，另一个却伤风败俗了，两者之间差了百倍千倍的点赞量，这是为何呢？在了解基础原理以后，才有机会知道其中一个音频没有进入「召回」是这类现象的最常见解释。如若缺乏了常识，那么再全面的数据、再牢靠的方法论也是无法协助他们找到真相的。
与研究发送系统些许接近的浏览器强化的领域，因为许多行业大背景的原因，许多人跳过了第一第二步，即没有夯实基础、也没有建立起科学系统的预测方法，就直接去阅读百度专利想要一步登天。殊不知这种顶多看到整个体系之中的零星碎片，绝不是值得提倡的做法。
文章至此为止，只是话题这一种操作手段的其中一个积极探索方向罢了。冰山之一角。我尽管只是逐渐在挖掘这座冰山的无数个角落，但太多人甚至还没意识到自己面对的是座庞大的冰山。
未来若有机会，会再写写抖音下面，除了话题以外其它不为人知的重要地方。
