快手用戶增長實踐

用戶增長近年成爲非常火熱的方向,但目前業內關於短視頻領域的用戶增長的公開實踐資料卻鳳毛麟角。在 QCon 上海 2019 的演講中,快手資深研發工程師葉邦宇首次系統地披露快手作爲短視頻領域巨頭在用戶增長方面的實踐, 並着重介紹快手用戶增長的技術體系和技術沉澱。

大家好,我是來自快手的葉邦宇,今天非常榮幸能代表快手用戶增長技術團隊,給大家分享快手在用戶增長上的一些實踐經驗。

用戶增長的方法論可以簡單概括爲開源 + 節流, 也就是促拉新 + 提留存。而促拉新中,觸達是前提,分享和裂變是重點。提留存,“有趣”和“有用”是關鍵。“有趣”帶來了精神享受,本質上也是“有用”。對於“有用”,不能簡簡單單認爲有經濟收益纔是有用。

快手致力於用有溫度的科技提升每個人獨特的幸福感,讓普通的用戶也有機會被看到,有機會和更多人產生連接。在快手上很多用戶出於興趣愛好,自發生產視頻內容,通過短視頻和直播和其他用戶頻繁的互動交流,有些出發點並不是爲了獲得經濟收益,而是爲了和其他人產生連接,能夠產生情感的交流。人本質上是社會性動物,社會參與感和個人成就感也能帶給人幸福感。當然,如果平臺可以讓用戶通過合法、合情的手段獲得經濟收益,這本身是一條非常好的提留存的方向。

用戶增長策略的分享分爲三個部分,首先談一談程序化廣告投放。前面說過,促拉新的前提是“觸達”,目前爲止,廣告依然是觸達裏最重要、最有效的手段之一。兵馬未動,糧草先行,投放廣告的前提是素材準備。素材有兩個特點,第一,時效性強。如果不干預,投放效果隨投放時間而持續下降;第二,投放效果非常依賴於素材質量。

因此,我們希望能大規模地生產高質量素材。傳統素材製作方式,只能通過“人肉”搜索、瀏覽的方式尋找站內視頻資源,尋找面積有限且查詢效率很低。給素材進行標籤分類時,也是通過“人肉”打標籤的方式,對素材進行歸類管理,在實際過程中往往出現打錯、漏打、命名不規範等問題,影響投放效果。

因此我們建立創意素材中心,從「量」和「質」兩方面解決問題,提高素材產能,提升素材質量、提升投放效果。

首先基於快手用戶視頻,通過人氣榜單、分類 TOP 等方式,海選出大量的優質候選視頻。除了站內視頻素材,平臺也支持站外素材上傳,此時通過快手多媒體內容理解部的圖像理解能力,會關聯找到相似的站內視頻。

第二步是運營人員對海選視頻進行精選,這裏平臺會提供海選視頻站內數據、歷史投放效果,輔助運營決策。

下一步素材生產,系統會從站內視頻中進行視頻剪輯,關鍵幀抽取,結合素材模板,使用 AE 等工具,自動化生成素材。投放素材製作完成後,快手還會有嚴格的審覈機制,保證投放素材符合法規政策,符合快手調性。通過這一套流程,可以實現快速從快手海量視頻中挖掘投放素材。

素材生成好後,接下來是投放過程。傳統做法是在廣告平臺上開通賬戶、上傳素材後就開始投放,廣告主最後只能看到效果數據,而其中的投放策略,包括召回、排序、流控等細節對廣告主是完全透明的。爲了提高定向準確度,傳統廣告投放中廣告主需要爲廣告平臺提供人羣包,這樣的做法有幾個缺點:第一,麻煩,需要不斷人工或者半人工更新;第二,人工或者半人工更新有一定的時效滯後性。近幾年流行的 RTA 投放方式,理論上就是把部分權利下放給了廣告主,直接把流量打給廣告主,讓廣告主決定是否需要這個流量。RTA 投放中,具體出價策略還是在廣告平臺上完成,如果把每次請求的出價權利都下放給廣告主,那就是經典的 RTB 了。目前,我們已經接入了多家媒體的 RTA 投放。

傳統的做法中,站內推薦與站外投放是隔離的,在快手,兩者是有機的,即拉新、承接一體化。在站外,用戶點擊廣告素材,而素材是根據快手的視頻所產生的,我們可以基於點擊視頻和推薦系統算法來做精準推薦,在用戶打開快手的時候做冷啓動優化,比如站外看了世界盃的廣告,打開快手時就推送足球相關的短視頻,這樣用戶的體驗是連續的。

第二個部分,談一談快手極速版。快手極速版是網賺模式的極致應用。通過開局紅包和開門紅金幣直接觸達用戶的 aha ! moment;除此之外,極速版還設立了用戶成長體系,通過對用戶生命週期和價值分佈做精細化分析,提供個性化服務。在快手上,用戶沉澱了豐富的社交關係鏈,用戶不僅看視頻,還與其他用戶互動(評論、點贊、私信等等)。如果能讓身邊的人來幫忙一起賺錢,分佈式賺錢、衆包賺錢,用戶留在平臺上的動力會更充分。基於這些思考,極速版設計了師傅邀請體系,具體的玩法歡迎大家可以打開快手極速版去體驗一下。

一款單純靠補貼的產品無法長遠地發展,快手極速版依靠幾類增(長)商(業化)聯動形式,大體實現了極速版的收入、支出平衡。首先,廣告收益與外投成本聯動;第二,Ecpm 和用戶體驗聯動;第三,金幣策略和 ARPU 聯動;第四,激勵形式與廣告形式聯動;第五,直播激勵與用戶行爲的聯動。

這裏分享一下快手用戶增長的系統架構。首先,極速版涉及到激勵,防止黑產、爬蟲是非常重要的,爲此,增長團隊和風控團隊一起,設計了前置服務層,用來防刷、反爬;其次,web 層的服務全都是隔離部署的,比如元旦、國慶比較熱門的活動會與普通活動隔離部署;對接 H5 和客戶端的服務也獨立維護和部署。

對於核心後端服務,除 db 和 cache 外,業務系統全部是無狀態、易伸縮、可拓展的。極速版從開始立項到上線只用了 1 個月時間,也得益於快手中臺技術能力的儲備和沉澱,例如帳號中臺、風控中臺、支付中臺等;期間極速版也產出了激勵中臺。

第三部分來聊一聊增長活動。增長活動的形式多種多樣,如激勵拉新活動、春節紅包活動、新用戶留存活動、合作拉新活動等。這裏介紹一下春節紅包活動。

春節紅包活動有三個收益:使用魔法表情拍視頻可以領紅包的機制促進生產;點開紅包分享好友,領取雙方都得紅包的做法促進了社交關係鏈沉澱;另外通過新設備可以得較大紅包促進拉新。

上面的圖片是春節紅包活動的基本架構圖。首先是服務拆分。服務、代碼都是獨立維護、獨立部署;除了核心鏈路必須同步,其它全部做成異步(例如返傭的邏輯),這樣可以提高系統的吞吐。春節紅包活動的 QPS 很高,除了一系列的限流、降級和熔斷,我們做了對熱點 Key 的處理:一方面對熱點 Key 做 shard,另外一方面增加本地緩存讀和異步 batch 寫;儘管春節紅包活動最後很成功,但是在備戰的過程中,我們還是準備了備用策略和備用玩法,比如天降雨紅包。

CCTV10《百家講壇》欄目有一句話讓我印象頗深:學者使平臺深刻、平臺讓學者有爲。在這裏,我想說的是,策略使平臺深刻、平臺讓策略有爲。我們需要策略,也需要平臺,平臺可以給策略提供一個有力、必要的支撐。時間有限,今天選取兩個平臺來跟大家分享。

第一個是用戶畫像平臺。我們知道,推薦系統雖然可以精準推薦用戶喜歡的視頻,但它無法給我們提供直觀、全面的用戶畫像;數據分析同學如果想分析一個或者一批用戶,性別、年齡、用戶在線時長等數據散佈在不同的 hive 表裏,分析同學查找和使用起來非常不方便;而非數據分析的同事往往也有這方面的需求,希望可以更好地把握快手用戶,以提供更佳優質、個性化的服務;一些新產品上線後也急需人羣分析、人羣洞察的工具。基於這些痛點和需求,我們搭建了用戶畫像的平臺。

這是平臺的使用界面。可以自定義標籤篩選,秒級別地返回用戶的使用時長等數據;也可以上傳用戶包(比如一批 user id),平臺快速返回這批用戶的畫像數據。

這是用戶畫像平臺的基本架構圖。最下面是原始的數據,通過特徵工程等手段抽取出模型特徵數據,用於模型訓練;其上是基於 Clickhouse 和 hive 的快手大數據計算平臺,還有快手機器學習平臺 ARTHUR、KV 存儲系統。用戶畫像數據除了沉澱到離線數倉,我們還將數據輸出到實時推薦,提高推薦效果和質量。

接下來介紹下數據倉庫。快手是一家技術、數據驅動的公司,爲了更好地做決策,會有大量數據分析的需求,這些需求中,大部分是去重類分析需求(例如 DAU、MAU 等指標) 。需求多,case by case 煙囪式的開發方式讓代碼的複用度較低。

統一數倉架構、提升計算效率、縮減資源使用以及提升代碼的複用率迫在眉睫,爲此我們做了架構上的更新和迭代,最主要的工作是綜合了可累加中間層數據和不可累加的流量數據,抽離出來形成一箇中間層。舉個例子,我們需要統計全國白菜產量總量,這個需求下,各地的產量可以直接累加;但如果需要統計 DAU,是不能簡單加和的。但是這兩個需求看似不同,本質都是求並集,中間層抽象就成爲了可能和必然。那麼,具體怎麼做呢?

首先我們建立了字典映射,把設備 id 和用戶 id 都映射成緊湊的整數,基於這樣的映射關係,我們可以通過 Bitmap 的方式來構建數據表達。在 bitmap 上運行集合的交併補操作非常方便和高效,以 DAU 計算爲例,把每個區域的 dau bitmap 拿出來求個並集就得到全國的 dau 了。

如圖所示,優化後效果很明顯:時間降爲原來的 1/3,代碼複用度達到了 40% 左右。

總結來看,用戶增長髮展至今,基本方法論是路人皆知的,AARRR 模型也已深入人心。我們要問的是:人口紅利消失後,用戶增長到底應該怎麼做?我們認爲有兩個方向,一個是因地制宜,即根據自身業務場景從增長的工具箱裏挑選出最適合自己的策略和方法;另一個是追求極致。舉個例子,有個人感冒了,吃了頭孢,沒有病癒。是頭孢沒效果嗎?可能是服用數量不對,有可能是服用間隔不對,也可能是其他原因。一個策略實踐後沒效果,有可能是因爲它真的沒效果,也有可能是執行時不夠到位,或者思考的還不夠深入。因此,我們需要把已有的工具、方法和策略全部摸清,儘量把每一塊做到極致,或許只有這樣,我們纔有資格說,某個策略是有效或者無效的。

我的分享結束了,感謝大家的聆聽。

演講嘉賓:葉邦宇,快手資深研發工程師,2015 年從中科院信工所畢業後加入螞蟻金服 OceanBase 團隊,2017 年加入快手。現負責用戶增長業務平臺相關研發工作。

活動推薦

QCon 上海 2019 告一段落,QCon 北京 2020 精彩繼續,大會關注基礎設施、雲原生、微服務、實時計算、邊緣計算、雲時代架構演進、人工智能、數據架構、區塊鏈等多個方向的技術實踐,點擊瞭解詳情。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章