信息流的江湖双璧：社交关注与算法推荐

信息流有“社交关注流”与“算法推荐流”之分，二者堪称“江湖双璧”，得其一可独步天下。这两种信息流相互补充，交叉渗透，但又不会相互替代。

• 社交关注流，主要是以社交关系的相互关注或单方面关注为中心、按时间维度排序的FEED流，内容以用户原创的图片、视频及文章为主，信息相对发散，通过社交关系对信息质量进行约束。微信朋友圈是典型的社交关注流，微博早期也是社交关注流。
• 算法推荐流，主要以后台算法为核心，综合信息与人的相关度、重要性、时效性通过机器赋予综合权重，进行中心化的分发。今日头条和抖音都是典型的算法推荐流，微博今年来也逐渐转向算法推荐流。

推荐流与社交流不同，平台拥有对信息流的绝对分发权，拥有100%的信息流广告分发权益；与此同时，用户对社交流广告的容忍度更低，这也是为什么头条/抖音的广告变现能力强于微信朋友圈/快手的原因之一。时至今日，纯粹的推荐流和社交流已经不多见了——例如，B站首页既有算法推荐的第一屏，也有基于关注的第三屏；知乎首页分为关注、推荐、热榜三栏，其中第一栏是社交流，后两栏是推荐流。不过，任何内容平台在“社交关注”和“算法推荐”之间，都会有所取舍，偏向于其中某一边。

快手首页的三栏自转型社区后几乎没变过，第一栏是关注；第二栏是发现（以前叫做热门）；第三栏是同城。这好像没有什么稀奇的，抖音也有关注，近期也加了“同城”栏。然而快手中“关注”、“发现”和“同城”，分发比例约为2：2：1，兼顾“社交与算法”。很多人不理解作为技术，算法间有什么差异、有什么壁垒？算法也是有价值观的，而快手的价值观就是“公平普惠”，即保证每个用户的内容都被展示，每个平凡人的生活都被尊重。相比之下，抖音则予以创作者一个“爆红”的机会，但是大部分机会最终被少数人拿去了。对于普通创作者来说，在抖音和快手成名的“期望收益”可能是相同的——前者是一个很小的成功概率乘以一个很大的成功收益，后者则是一个适当的成功概率乘以一个适当的成功收益。到底选择哪一个？那就是创作者自己判断的事情了。

社交分发：“瀑布流+公平算法”助力社交，半熟人视频朋友圈初成

抖音先做推荐后做关注，但是迄今仍以推荐为主流，关注链不太重要。快手直接将推荐当作关注的启动器，在“推荐”和“关注”二者之间寻求协同效应。从流量机制上看，抖音更关注“推荐”，快手更倾向“关注”。同一个用户在快手上的点赞量/播放量的方差是明显小于抖音的。以“王祖蓝”为例，其短视频在快手上的点赞量大部分分布在二十万到五十万之间，而抖音上少则几万，多至上千万。快手的“关注”关系保证稳定的流量（主要对于中长尾创作者；而头部创作者短视频被限流，主要是通过直播变现私域流量），抖音的“推荐”则是“爆款为王”。所以，李佳琦、薇娅等超级带货主播会选择抖音为淘宝之外的主战场，而快手上则存在着千千万万个中腰部带货主播。

从用户体验的角度，抖音无疑是更“赏心悦目”的。打开抖音直接进入播放模式，依靠上下滑动来更换视频，这种懒人交互提升了用户的黏性，削弱用户改变的意愿，“附近板块”、“关注板块”的使用几率大幅降低，用户注意力黏在头部用户的优质内容上（抖音算法决定推荐内容更优质，无需用户更多操作），中心化加剧。

（“大屏模式”更适合抖音）

反过来，快手的三个交互方式都是“瀑布流”（推荐可以改为大屏模式，需手动设定），并且由于算法机制，快手表现的内容优质密度没有抖音那么大，需要用户进行挑选，这也就是为什么“关注”、“同城”使用频率这么高的原因。如此看来，“滚动播放”更适合抖音，“瀑布流”更适合快手，而“瀑布流”+“公平的算法推荐”共同塑造了其“社交属性”的空间。

（“瀑布流模式”更适合抖音）

快手创始人宿华总结，从2018年开始，快手转型成为半熟人半陌生人共存的社区，平台里已经沉淀了大量的社交关系。母校、家乡、同行应该算是中国最广泛的半熟人圈子，校友、老乡、同行带有天然的亲切感。快手的半熟人社交关系到底是怎样的存在？基于地域/职业/……的视频朋友圈。我们选取一个职业——卡车司机（常年在路上，团结互助），一个地域——宝鸡（西北地区，快手渗透率高），找到两个粉丝数在2000左右的普通用户，对其评论信息中的用户属性简单分析。快手上会有很多基于职业、地域的群，对于普通用户来说大部分互动都来自于同行或者同乡，半熟人半陌生人社交关系初现。

• 卡车人@三哥：卡车司机交流群群主，进入快手近1年，共发布81条短视频，粉丝数近2500。近几个视频的播放量约1000左右，点赞评论都在20左右，评论用户基本全是卡车/货车司机。

（基于职业的半熟人社交——卡车司机）

• 大美婷Sir：宝鸡交流群群主，进入快手近1年，共发布13条短视频，粉丝数近1500。近几个视频的播放量约1000左右，平均点赞50、评论20，评论用户全部来自于陕西，50%以上来自于宝鸡。

（基于地域的半熟人社交——宝鸡青年）

算法：抖音爆款逻辑，用户体验为先；快手公平原则，以创作者为主

作为快手、抖音的核心竞争力——推荐算法，其一直都封存于黑盒之中，真正摸透其算法规则的，其内部也寥寥可数。外部关于抖音、快手算法的论断，除了公司管理层的零星介绍，大部分都是推测，然而这些推测接近真相的距离可能已经很近。（二者算法细则也时刻存在调整）在平时用抖音、快手的时候会发现一些有趣的现象，接下来我们就从算法的角度加以解释。

• 现象1：打开抖音，系统上推荐的内容多是百万级别点赞量，而快手上“发现”的视频基本维持在几万至几十万级别。
• 现象2：在抖音上会发现很多视频是几个月前发布的，而快手上大部分都是近期发布的。（近期实测差别变小，甚至快手也会出现几个月前的视频）

【抖音算法机制】

多重审核：多重审核是抖音算法筛选视频的第一道门槛。智能机器审核会根据提前设置好的人工智能模型识别上传的视频画面和关键词，其一：审核作品、文案是否违规，如果疑似存在，会被机器拦截提示人工注意；其二：通过抽取视频中画面、关键帧，与抖音大数据库中已存在海量作品匹配消重，内容重复的作品进行低流量推荐，或者降权推荐（仅粉丝、自己可见）。这也就是引导用户“求新、求异、求第一”的根本原因。接下来会进入人工审核环节，主要集中在视频标题、封面截图和视频关键帧。

叠加推荐：通过多重审核的作品，会被分配到一个初始流量池（约200-300在线用户），对于抖音新号、大V一视同仁。抖音新手可能会好奇：为什么粉丝量差不多，系统给别人的推荐更多？为什么粉丝量的账号，获得推荐更多？这主要是由于“账号初始权重”、“初始流量池用户反馈”（点赞率、评论率、转发率、完播率和关注比例等）、“账号已有粉丝反馈”、“外部真实账号激活”。1）权重：持续创作的账号系统给予的权重更高；2）精准：持续更新垂直作品，系统推荐池匹配的时候，会给予更精准、具有相同属性标签的用户；3）粉丝数：存量的活跃用户能够将发布作品的转评赞拉到一个比较高的水平。整体看，抖音上的内容创作者是强者恒强的状态，但爆款的作用又不可忽视，具有强媒体属性。

后期引爆：抖音上会有个很有意思的现象，有的内容当天甚至整月都数据平平，突然有一天就火了。主要是两方面原因：其一，抖音会重新挖掘数据库里的“优质老内容”，给予更多的曝光，垂直内容通过系统匹配给更精准的用户；其二，如果创作者的某款作品获得大量曝光，海量用户进入其个人主页翻看之前的作品，使得某些作品获得足够的关注（转评赞），系统会重新将其放入推荐池，从而形成多点开花。

流量触顶：一般持续高推荐持续时间不会超过一周，一方面，爆款内容推给了所有相关标签的人群后，其他非精准标签人群反馈效果差，所以停止推荐；另一方面，抖音会考验内容创作者的持续产出能力，不希望其迅速火起来。

（抖音算法机制示意图）

【快手算法机制】

热度权重：快手特有的算法机制，在视频初期随着热度提高，曝光机会也会提高，“热度权重”起到了“择优去劣”的作用，但是当视频热度达到一定阈值后，曝光机会将不断降低。“热度权重”会起到“择新去旧”的作用。实际上是为了给用户平等的展示机会。

创作者导向：短视频的用户主要分成两类：一类是看视频的用户，一类是内容创作者。抖音是“用户导向”，而快手则是“创作者导向”。在抖音“高热度不断提高曝光机会”，头部创作者集中大量用户注意力，这种中心化让普通创作者、草根创作者望而却步（类似于微博）。快手则设置了曝光度上限（快手会将头部内容流量限制在30%左右，70%流量分配给中长尾内容），这也体现了快手的初衷——“每个用户都有展示自我的空间”。当然这也导致快手涨粉速度非常慢，很难靠单一爆款内容驱动大量粉丝，快手大V到达百万粉丝平均需要854天。

基尼系数：快手提出了“GDP+基尼系数”的分配方式实验。基尼系数（Gini coefficient）是国际上通用的，用以衡量一个国家或地区居民收入差距的常用指标。 基尼指数（Gini Index）介于0-1之间，基尼系数越大，表示不平等程度越高。落实到快手的实际运营中，他们将经济学中的“基尼系数”引入社区生态的调控中，作为一个严格落地的量化指标，保证在社区不断发展的同时，通过公允调节注意力分配资源，避免内容头部效应出现，将注意力资源更多分配到普通人。

每个内容产品的算法核心都是根据用户数据和内容标签计算二者的匹配程度，理论大体一致。但不同产品的设计理念和价值观存在着不同，进一步在量化指标的设定、算法规则上略有差异。抖音从产品角度出发，以“用户体验”为先，通过“匹配消重”、“初始流量池运营”、“重新挖掘内容库”等方式，将最适合、最优质的内容推给用户，最终结果就是“爆款”和中心化。快手则是遵循“公平普惠”原则，以“创作者”为主，通过“头部流量调控”等手段，保证每个普通用户的内容都被展示，最终结果就是超强的社区生态（发过视频的用户在黏性、时长等维度都显著高于普通用户）。“用户体验导向好还是内容生态导向好”这本身就是个悖论，或许我们不该期待抖音与快手“你死我活”的斗争，难为知己难为敌。

用户画像：抖音与快手日益相似，但是仍有各自的基本盘

快手、抖音用户画像日渐趋同，对于两个TOP 10的APP实属正常。快手在中老年人群渗透加速，城际分布与抖音相似，但在东北、西北等地受欢迎程度极高，创作者仍以年轻用户为主，符合“年轻用户表达和被认同”的新时代需求。

抖音、快手各保持着相当比例的独占用户，但二者相互渗透趋势加剧。截至2019年6月，抖音、快手、B站月活用户数分别达4.86亿、3.41亿、0.98亿，其中抖音和快手去重之和接近6亿，基本涵盖全部短视频行业。考虑到独占比率（只使用目标APP用户规模/目标APP月活），2019年6月，抖音用户独占率约37.6%（18年同期接近50%），快手用户独占率约32.7%（18年同期略超40%），二者用户的接壤面积越来越大。此外，在Questmobile的另一份报告中提及，2018年8月超过五成的B站用户也刷抖音，估计二者的重合率持续上升。B站悄悄上线轻视频，快手、抖音相继开出10分钟视频权限，存量用户争夺趋于激烈。

左图：MAU（亿）；右图：独占用户比例；资料来源QM

抖音从女性用户为主过渡到逐步均衡，快手男女比例较为适中；快手进一步脱离“Z世代”标签，中老年群体渗透率加速。截至2019年6月，抖音、快手和B站男女用户比例基本于移动互联网分布趋同，占比约53%：47%，其中抖音一年来变化较为明显，2018年10月时女性用户仍为55%，显著多于男性用户。年龄分布上面，抖音快手同样较为相似，25岁以下用户方面B站占据38.5%，快手29.1%、抖音28.4%。19年上半年，快手在中老年群体渗透率明显加速，其中Z世代比例从41.2%下降至36.5%（快手营销平台数据与行业中QM数据存在一定差异，仅作时间跨度对比），在30-44岁用户占比提升较为明显，共提升15.7%，从“年轻”到“普世”。

短视频App用户性别及年龄分布；资料来源QM

快手在中老年群体加速渗透；资料来源快手营销平台

快手、抖音在不同线城市分布亦较为趋同，快手在东北、西北地区根基仍较为深厚。在一二线城市，抖音仅比快手高3.1pct的占比，差距非常微小；下沉市场（三线及以下）快手占比55.9%，尤其是农村地区快手相比抖音的优势更为明显，也更为下沉。相比之下，B站用户仍主要为一线城市（2016年时占比56%），尤其是东部沿海，但近年来三四线城市用户明显增加，19Q1中54%的新增用户来自于下沉市场。在东北、西北地区，快手受欢迎程度极为明显，其中青海、宁夏、甘肃西北三地用户占比仅8%，但其TGI指数（该地区快手用户数占比/该地区移动互联网用户数占比*100）都在400以上；辽宁、黑龙江、吉林东北三地用户占比仅11%，但其TGI指数都接近200，可以看出来快手基本成为北方地区的“标配”。

快手在东北、西北渗透率明显较高；资料来源快手营销平台

女性用户更喜欢创作，年轻用户拍摄欲望更强，趋势上快手较抖音更为明显。短视频满足“用户平等的表达自己和被他人认同的需求”，这种需求在“衣食无忧、不现实”的年轻用户中更为普遍，这就是全球范围内UGC崛起和蓬勃发展的根本原因。从快手、抖音的内容创作者画像偏差（创作者特征占比-用户特征占比），在本身30岁以下用户占比在60%左右情况下，年轻创作者占比要高8-10%左右；此外，女性用户的创作占比也要比男性高，快手内容创作者中女性占比达53%。

左图：抖音创作者画像；右图：快手创作者画像；资料来源QM

“最了解你的人，往往是你的敌人”。抖音的快速崛起，并没有导致快手的势微，对于二者来说，他们都在改变（内容、流量、算法）甚至“趋同”，并且表现出“越战越勇”的气势。抖音拥有大量MCN，快手在逐步推进；抖音有很多品牌广告，快手则少了很多；抖音在一二线城市根深叶茂，快手则在低线城市静水流深。这一切的差别，可以归结到两家的slogan，“记录美好生活”是抖音，“记录世界记录你”是快手。二者选择不同的路：“以用户为核心”还是“以创作者为导向”，有人喜欢“看”，有人喜欢“拍”，有人喜欢“潮”，有人喜欢“真”，或许这就并不是一场“你死我活的斗争”。

经过几年的发展，快手和抖音都已经将“基本盘”占领完毕，从垂直应用上升为全民应用，相互渗透、相互融合。“南抖音北快手”、“女抖音男快手”等刻板的印象都飞快地过失，在PGC和OGC方面，快手也在奋起直追。在互联网独角兽中，快手的胆魄和反应速度均居前，尽管抖音在产品运营和商业化方面略胜一筹，但在总体的战略和执行力上，并不一定比快手有明显的优势。还是那句老话：“难为知己难为敌”。