以抖音为例展开讨论
背景：18年短视频类app崛其风头大有盖过直播的趋势，其中以抖音这款app的表现最为突出。今天想从数据的角度讨论一下，这类视频的一些特征
一个好的想法
首先你要明确目标用户群，知道你这个产品所要面向的对象，然后去获取这个目标群体的行为数据。这部分人都在用什么类型的应用，这部分应用满足了这部分人的什么需求，根据用户的反馈去评估需求的饱和度，挖掘可能存在的优化点和竟品空间
打响第一枪
在产出产品之后，接着要考虑的就是如何将产品推向目标的用户群体。这个时候就要想办法去获取流量了，最大的流量源头在哪里，微信端是一个超级大的流量池，但是这个池子里面的流量你很难去导出来。这个时候就要分析你这个用户群体日常主要接触的对象是什么。对象包括了线上场景和线下场景。还有就是如何设置机制促进用户之间的相互传播，这里可以展开一下，目前主流的方式有两种，一种是现利，就是用户的传播会有直接的利益刺激；还有一种就是让用户感觉传播这个东西能够让他在他本身的圈子里占有心理上的优势；最基本的一点还是这个产品能够解决用户本身的需求。每个群体都有一批意见领袖，争取到这部分用户的支持是决定性的。
用户反馈数据机制
之前和现在我们想要获取用户的反馈或对产品的意见，会直接向用户发问卷，其实问卷得到的答案有很大一部分会是不准确的。而用户实际的行为却是不会有假的，要以用户的交互行为数据去作为产品优化的驱动力。这个里面就涉及到了数据的回收和应用。所以我们在一开始设计产品的时候就要将这块考虑在里面，并且带着明确的目标。然后去考虑要回收的数据。数据应该是作为一个假设的验证，他是一个选择题而不应该是一个填空题。前期验证目标的设计直接影响到数据能够发挥的作用。在明确目标之后要有一套完整的数据闭环。短视频类的app，我关注的是用户的留存情况和活跃程度。用户活跃度可以用很多指标去衡量，其中最关键的指标就是用户的使用时间，而用户的使用时间又是和推荐的内容有着直接的关系。所以我们优化的地方应该是内容的推荐算法和提高UGC的质量。这两个关键点之间又是可以关联起来的。先讲第一个，内容的推荐算法，推荐算法其实就是一个点到点的连线，一个点是用户，一个点是内容，用户有相应的标签，内容有相应的标签。要做的就是这个标签尽可能的完善，匹配尽可能的准确，我认为标签的完善实际上比匹配的准确要难的多。标签的完善这个事情主要有两个主要的途径，一个就是让用户在进入app的时候去完善个人信息，第二个就是让用户去选择感兴趣的内容。这两个维度的标签都可以对用户进行分类，这两个标签结合之后又可以对用户进行分类。取测试样本去跑一段时间就可以把各标签用户的基本喜好作出判断。难点就是在刚开始的时候，你怎么给各标签的用户去推荐内容。这其实是个很麻烦的事情，你参考的数据太少，所以现在一般的处理方法就是给你推一些明星的视频，网红的视频。然后我们再来说说怎么去优化内容的产出，其实就是去引导用户的内容产出。这个其实就是在分析出用户对各类型内容的喜好之后，将这些高热度内容的标签隐性的传递给用户。这个事情是比较简单的，最简单的方式就是热度榜，生成内容的用户是非常擅长模仿的。这里有一个点就是内容是有保质期的，热度的消减是很快的，如何确保内容的产出能够满足用户不断变化的需求这是一个大问题。还有一个问题就是用户内容产出的积极性，我认为维持用户内容产出的积极性有两点：第一个就是用户心理的满足感，直接体现在观看人数，点赞人数上；另一个就是利益满足，你产出一个好的内容给你多少钱。优先追求第一个，不行了再考虑第二个。如果要依靠第二个去维持产品的话那盈利模式就是你最头疼的问题了。
数据也没有那么神
数据只是辅助，人的主观能动性才是关键。
关键词总结：
用户标签、内容标签、内容推荐、用户心理、利益促进、用户积极性
坚持每周一篇，思维之火不灭，我思故我在
