YouTube——基于“位置”的视频内容网站

不同的社会角色自己在一个网上上所处的位置是不尽相同，这样也会导致外部算法给他进入这个网站时不同内容给予他的位置也有所差异。

这就会导致我们常说的“千人千面”，你所被推荐在前列位置的内容其实也映射着你所处的社会位置，这就是为什么当一个产品的算法足够优秀的时候，你总会怀疑他在盗取你的个人行踪。

但有趣的是，如果你仔细分析他们的算法系统，你会发现这个“位置”在其逻辑中仅仅作为一个加权的特征而非决定因素（shallow tower）。因此，最终用户信息流的Rank依据的是常规排序模型+位置模型。

（来自知乎：BAT AI产品经理，《机器学习实践应用》作者：Garvin Li）

头条西瓜点赞和B站用户的三连区别

点赞、转发、投币是B站UP对于自己粉丝总会提到的需求。事实上在B站可以引发不同结果的数据有六个：

1）充电==》充值刷榜

2）转发==》大V引流

3）收藏==》提升热度和分类

4）投币、点赞==》视频质量评定

5）评论、弹幕、留存率==》筛选机制，同时弹幕决定“焦点内容”

6）播放量==》结果

由于任何一个网站的推荐算法都是黑盒的，同时B站首页的推荐视频个人感觉首小编影响很为严重，所以这就是为什么很多新UP主完全不知道如何提升自己的视频“结果”。但是从上面六条可以看出，基本上所有的设定都是加分项，虽然根据“位置”算法可以在一定程度上带来因人而异，但事实上由于B站用户这个族群的高度一致性，你若想看到不一样的，只能依靠自己的搜索来评定。这就是为什么从去年年末到今年《后浪》，出圈给B站带来了大量的新用户，其核心的类似内容类别没有发生巨大的变化，而作为新用户你要么被融合要么离开——换句话说，即便B站在内容以及作者能力上都不亚于YouTube但更像一个“文化发源地”但始终似乎没有那么包容，对于道不同其他用户的观看体验是并不理想的。

而头条系的西瓜视频依旧是沿用着头条逆天的算法，这其中我们可以再次回到Youtube的MMoE的算法，个人理解也就是浅层模型和深度学习模型相结合得方式。浅层模型当特征很大的时候，提供的是强大的模型记忆点，帮助模型快速的理解问题。而深度模型提供的是在基础理解之上的一种泛华能力。简单来说，Youtube的算法逻辑是把用户的行为分为engagement behavior和satisfaction behavior。这其中用户不产生态度的点击、查看被叫做Engagement而能产生态度的点赞、转发被叫做Satisfaction。

因此当把西瓜视频嵌套在今日头条这样的高DAU产品的时候，头条对于西瓜视频而言就不再仅仅是一个流量池供给，更多是一个MMoE算法的导师，让自己的用户更容易在内容浏览中产生沉淀。

用爱发电的“巫师财经”为什么走了？

据传“巫师财经”被某瓜网站挖走的代价是年千万级别的，这几乎相当B站UP头部“党妹”年收入的5倍（党妹曾经透露过，在李秋爽的理财管理下，大约五年后能在黄浦区全款买套房。目前黄浦区房价大约在十万左右，由此可大致算出党妹年收入在两百万左右，但这其中可能包括了恰饭视频。）在这里，我们不谈还在纠纷中的合同流程等细节，如果不能很好的帮作者进行商业化，在一定意义上不过是披着理想外衣的耍流氓，毕竟UP总会长大，如果每天付诸如此大时间精力却无法让自己变的像别的平台一样富有，确实让大家都很尴尬。

YouTube平台的广告收益，主要来自于开通Google Adsense(谷歌广告联盟)，每千次播放量约18美金的收入。如果某个频道每周能够获得1,000,000名观众的全部支持，每周观看两部新视频，则每周可以收到：$ 18 x 1,000 x 2 =每周AdSense即可获得$ 36,000。这就是为什么YouTube上最出名的一个做游戏视频的油管主Pew die，2023年的收入据报道是1200万美元左右。这对B站的UP而言显然是不可能的。

那告别了B站的UP就真的能富有起来吗？这个逻辑就跟游戏直播最火爆时代上亿签约主播一样，他们的年签约金并不代表可以给平台带来如此高的回报，更多是其流量和转发同时对其他平台带来减法效应的综合数学题。

你不值这个价但在风口上你可以赚到这个钱，谁会拒绝呢？

文章转载自微信公众号不肯当记者