抖音留住用户，原来是靠这三个“回环”

抖音留住用户，原来是靠这三个“回环”

“用户回环”、“内容回环”、“用户-内容回环”，3个回环“我中有你，你中有我”，任何1个回环的优化都可能带动其他2个回环效果的提升，这就是我理解的抖音让我停不下来的魔力。

抖音似乎具有“魔法”，一步步地将用户吸引至自己构建的“伊甸园”中并“快乐生活”。而这魔法的背后离不开扎实的产品、运营、营销基本功，这里借助AARRR模型，通过“3个回环”尝试分析抖音“魔法”背后的玄机。

抖音使用“用户回环”、“内容回环”、“用户-内容回环”3个回环牢牢锁定用户，并将留住的用户用于商业变现及获取新用户。

一、用户回环

抖音通过“用户回环”不断进行用户的“获得-激活-留存-再获得”，形成自己的用户池——通过关系链导流、异业合作、ASO等方式进行用户获取；再用优秀的产品体验引导并激活用户，令用户快速体验到产品价值；接着通过个性化的优质内容推荐留住用户，形成自己的用户池；最后用户池中的用户又将优质内容推荐给朋友，帮助抖音获取新用户，形成用户回环。

下面简单总结各环节的主要动作：

1. 用户获取

早期V1.1.0版本提供关系链导入功能，支持导入通讯录、QQ、微信、微博好友，为病毒传播提供产品支撑早期通过“亲爸爸”今日头条进行导流，完成冷启动早期凭借岳云鹏等KOL宣传，用户激增与众多综艺进行异业合作，如快乐大本营、天天向上、中国有嘻哈等，带动用户增长…

2. 用户激活

优秀的准备工作：产品方面在保证体验完整的基础上，提前做好大量用户涌入的准备；运营方面提前引入前期创作用户及高质量内容用户进入产品后，无需任何操作，自动播放全屏高清高质视频，瞬间吸引用户注意力，让用户感受到产品核心价值简单易上手，并提供上滑播放下一个视频、双击点赞等操作引导，在极短的时间内教会用户探索产品的基础动作在适当的时机引导用户进行短视频创作，进一步探索产品，成为内容生产者通过道具、音乐、示范等，极大降低短视频创作成本，极大提升用户体验产品核心价值的可能…

3. 用户留存

4. 用户推荐

通过个性化推荐及有趣的创作方式，大大提高用户对视频内容及产品的认可度，让用户自发传播成为可能在站外传播视频中标识logo水印，增加获客途径内容生产用户为了获取更多关注，可能自发传播自己的视频，帮助抖音获取更多用户…

通过上述四个环节，抖音成功的构建了自己的用户回环，让新来的用户留下来玩，自由消费或生产内容；同时通过已积累的用户池进一步获取新用户。

二、内容回环

抖音通过产品设计、社区氛围、外部刺激等手段推动着内容的不断产生，构成内容回环。

按内容供需维度，抖音的用户可分为两类：内容生产用户、内容消费用户。

内容生产用户贡献内容，获得收益；内容消费用户消费内容，获得愉悦。

内容回环即平台生产内容的动力回环，大致包括以下几方面：

“平民化”及高点赞数的视频，让用户产生“我也可以拍出火爆视频”的心理，激发其跃跃欲试的创作情绪。层出不穷的 #挑战 活动，配合第一条制造的情绪 ，不断刺激内容生产用户创作新的内容，并通过活动参与及创作工具的低门槛，转化一部分内容消费用户成为内容生产用户。“拍同款”与挑战类似，并给出了更低门槛创作的解决方案。在前3点的基础上，部分用户成功地被转化为内容生产用户，而内容生产用户与内容消费用户的良性互动又不断刺激前者创作新的内容，构成内容回环。前4点主要讨论普通内容生成者，除此之外还存在部分以获利为目的的网红、自媒体大号等，他们对流量或收入的渴望直接形成外部刺激，成为他们创作源源不断的推动力，构成内容回环。鼓励创作的社区氛围也对内容回环产生正向刺激。除此之外，随着抖音流量的激增，诸如“如何制作抖音爆红视频”的外部舆论，也对内容回环产生正向刺激。最后，内容回环形成后，抖音继续不断地将内容消费用户向内容生产用户转化，并将内容生产用户不断地向更高频更高质的内容生产用户转化，持续优化内容回环，使其螺旋上升，进入良性循环 。

通过上述提及与尚未提及的方式，抖音构建起自身的内容回环，并在不断优化中为用户回环、用户-内容回环提供支撑。

三、用户-内容回环

抖音通过人工智能算法等技术手段，不断优化着用户与内容间的匹配效果。随着用户量的提升，用户关系链、视频内容也随之增多，机器学习可获得的资料随之丰富，个性化推荐精度得以提高，用户对推荐内容的满意度提升，从而刺激用户更多的消费及生产内容，形成用户-内容回环。

用户-内容回环即两者匹配效率效果的优化，猜测主要做法如下：

1. 通过内容筛选机制，在对每个视频的不断测试中，筛选出用户最感兴趣的高质内容，形成内容池，从源头上保证了内容质量。网上有大量对于抖音内容筛选机制的猜测，这里不再赘述。

2. 将内容池中的内容与用户匹配，为用户进行个性化推荐。猜测抖音采用与头条相同的“协同过滤+内容推荐”算法进行推荐。

协同过滤算法分为两种：

一种基于“人”的维度，先通过用户行为(如点赞)找到与用户兴趣相似的人，再将他们喜欢的视频推荐给用户；

另一种基于“视频”维度，先通过全体用户对视频的偏好得到视频间的相似度，再根据用户历史喜欢的视频记录将相似视频推荐给用户。但该算法无法解决冷启动问题，即无法向用户推荐尚未产生用户行为数据(如点赞)的视频。

而另一种算法对此形成了很好的补充——内容推荐算法即通过视频标签找到相似视频，并根据用户历史喜好记录将类似视频推荐给用户，其中标签既可以通过人工tag，也可以从视频内容本身抽象得出。

此外，通过推荐视频中出现的“关注的人赞了该视频”的提示，推测算法还融合了社交关系网络。

3. 为用户推荐内容池中的非匹配内容，缓解用户审美疲劳，拓展用户兴趣标签，动态更新用户-内容匹配关系。

4. 为用户推荐可能感兴趣的人，丰富关系链，优化匹配效果。产品中可见的推荐类别大致有：社交链好友、有共同好友的人、可能认识的人、关注的人也关注的人、可能感兴趣的人等。

用户-内容回环通过不断优化两者的匹配关系，完成用户留存的重任，让用户产生“刷的停不下来”的内容消费体验。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。