附录二:用户选择图(随便画的,可能不严谨,仅供参考)
原因:视频网站的用户普遍缺乏忠诚度,原因是所有网站都在用户的同一选择区内,在这个时候,用户选择图就很有意义,可以让产品设计者清楚的明白用户的一些行为产生的原因以及自己与对手在用户的选择区的变化:
附录三:某文章内我对腾讯视频的一个描述片断
改进永无终点,比如一个视频排行榜,其中分为日榜周榜与月榜,我不讨论这个设计是否合理,而是讨论设计成这样是否合理:
从静态的视角来看,这是一个很传统的设计,很多内容型网站都有,凡事有利必有弊,这个传统设计也是利弊相间,利在新,弊在旧;排行榜是对内容的一种十分有效的组织形式,但是假如排行榜一成不变,那么这个有效性就会随着时间不断打折扣,很多网站采用简单的规则设计排行榜,使排行榜只能发挥短暂效能,而不能长久作用,腾讯视频的规则也属于此类;日榜周榜月榜显示的几乎是相同的内容,并且随着时间变化较慢,那么日榜周榜月榜分开显示的意义就较小了。
继续分析,同一个内容,对不同用户的意义也是不同的,由于用户的分类(最基本的可以按照是否是注册会员、忠诚度及每日访问次数来分类)十分复杂,那么设计一个模块时,就必须思考模块对主要种类用户的意义,对一类用户有意义的模块,对另外一类用户可能毫无意义,甚至是妨碍,在这里就必须提到权衡之道,权衡不是妥协,不是牺牲一方去满足另外一方,而是寻找整体性能的最优选项;这个最优选项,一定是最大程度上满足了不同用户的需求,使资源的理想程度达到最高点。
附录四:曾经给腾讯视频的一个关于个性化推荐系统的建议
原因:之所以列在这里,是因为建议中我表达了一个基本的观点:用户除了用手投票用脚投票,还用眼睛投票;当一个视频被展示过一定次数后,基本可以断定我对这个视频缺乏兴趣。这个规则可以帮助个性化推荐系统避免长期出现随着时间变得无效的推荐;这就跟零食店卖零食一样,如果一个零食在挂架上很长时间没有卖掉,就说明这个零食要不就是位置有问题要不就是不受人欢迎,需要更换位置或者换上新的零食;
建议正文:
个性化推荐系统是一个模块,而模块化的设计,个人觉得最好的好处就是独立性,可以做深度发展;通过与更多模块的组合来解决新的问题,满足新的需求:至少有以下模块:
- 内容推荐模块(内容单独存在时):基于某个视频进行的推荐;
- 用户推荐模块(用户单独存在时):基于某个用户进行的推荐;
- 复合模块(用户与内容同时存在时):同时基于视频与用户的推荐;
1.动态关系
当我对视频做了一个操作时,比如点击、观看、快进、评论、关闭等,我跟视频就有了一种新的关系,视频就会开始进入我的印象分布区:每个印象区又可以分为上中下三层:
- 正印象区:感兴趣区:
- 中间区:不感兴趣区:
- 负印象区:厌恶区:
在同一个页面内,主视频A(正在播放的视频)跟其他视频B/C/D(非正在播放的视频)之间的依赖关系也会因我的操作发生改变:比如:我点击了B
A–>B:B是我认为在A页面内最吸引我的内容;
同样,视频对我做了一个操作,我的反馈同样是在建立我与视频之间的关系;视频对我做的主要操作是展示,每一次展示又可以分为两种:
- 被看到的展示:被我浏览过的;
- 没有被看到的展示:根本没有被浏览到;
我的反馈一般会是如下几种:
- 无视,不吸引我
- 停留,我做了进一步的观察
- 点击,可能感兴趣
随着展示次数增加,每一次展示的反馈都代表着我对视频的态度,每次展示都在改变着我跟视频的关系;
2.兴趣与质量判断
只是点击进入了一个视频页面,其实并不能真正的反应我的兴趣,所以只是按点击来判断我的兴趣点或者视频之间的相关度,很容易做出误判:我对一个视频真正的看法,包含在我所有的操作中:比如:
- 点击:可能有兴趣,进来看看是不是跟我预期的一致;
- 快进:这个视频或部分片段不值得花费时间或不感兴趣;
- 看评论/发表评论:想了解别人怎么看这个视频的;
- 观看进度:这个视频我在哪里断了兴趣点;
- 实际观看时间:视频实际花费我的时间,即使我看完了,假如总时长1小时的视频被我2分钟快进完了,只能证明我对这个视频的看法是负面的;
- 放大/全屏观看:我想看更大或全屏的画面;
- 进入下一个视频:是否发现的新的可能有兴趣的内容;
- 关闭:这并不是我要的东西,我的浏览区也没有感兴趣的内容;
需要对我在视频页面的各种行为,来综合判断这次点击的有效性,是一次有效点击,还是一次无效点击,有效点击的话有效度是怎样的,无效点击的话无效度是怎样的:比如:
- 有效:视频本次得分70-100
- 无法判断:视频本次得分50-69
- 无效:视频本次得分0-49
根据有效性,可以将内容与内容之间的相关度升级为真实相关度,将我与内容之间的关系升级为真实兴趣度;
同时我的行为也反应了我对视频的质量评价,兴趣高低不等于质量高低,我很感兴趣不代表我认为这个视频质量很高,同样我不感兴趣不代表这个视频质量很低,必须对所有用户行为在反映兴趣与质量方面的细微差别深度分析,综合判断真实反映用户对质量评价的操作反馈:
- 该行为不能反映兴趣或质量
- 该行为只会反映兴趣
- 该行为只会反映质量
- 该行为同时反映质量与兴趣
3.主动与被动操作
我在视频站内进行的主动操作更能反映我对内容的真实态度:
比如:
搜索:搜索一般发生在两种情况下:直接寻找某类视频与在看完某类视频后想看更多;这两种情况都能反应我的真实意愿,其中第二种反映了我对某类视频的进一步的兴趣,同时在搜索结果中的点击行为与点击后行为,等于是我主动在建立内容之间的关系;
加入看单(类似观看计划):加入观看计划有两种情况:已经看了部分内容想以后接着看与还没有看任何部分,加入看单可以明显的显示我的兴趣点,尤其是第一种情况可以看出我对视频有明显的正面评价,第二种可以反映我的兴趣点但是无法反映我真实的兴趣点,只有在观看视频中的我的行为反馈中,才能反映我对视频的真正评价;也就是必须综合我在观看前、观看中、观看后的行为变化才能列出我真正的看单;
4.扩展兴趣
个性化推荐对我来说,不仅是让让在已有兴趣点上获得更多,更是启发我发现更多兴趣点的方式,所以我认为一个兴趣的启发与探测系统,对于视频站与我都是有益的,视频站需要我对更多内容有兴趣,而我也接触更多我可能会有兴趣的内容;通过用户背景及同好用户兴趣点分析,将我可能的兴趣点做出评估,并设置一个探测流程;
个性化推荐正是满足“应看、欲看而未看”这三层对视频的需求的:
- 基本需求:我应该看的;核心设计
- 扩展需求:我想要看的;贴心设计
- 隐藏需求:我还没有看的;惊喜设计
其中2和3属于非基本需求,假如能够有效满足,会极大的提高我对视频网站的评价,甚至产生依赖度,因为这里最了解我;甚至比我自己还了解自己,给了我很多惊喜,我认为推荐引擎的最终目标应该是创造惊喜。
本文由 @天下雪 原创发布于人人都是产品经理。未经许可,禁止转载。