惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

GbyAI
GbyAI
T
Tenable Blog
Webroot Blog
Webroot Blog
L
Lohrmann on Cybersecurity
S
Securelist
S
Schneier on Security
NISL@THU
NISL@THU
Know Your Adversary
Know Your Adversary
C
Cybersecurity and Infrastructure Security Agency CISA
T
The Exploit Database - CXSecurity.com
L
LINUX DO - 热门话题
C
CXSECURITY Database RSS Feed - CXSecurity.com
O
OpenAI News
I
Intezer
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
TaoSecurity Blog
TaoSecurity Blog
S
Secure Thoughts
Application and Cybersecurity Blog
Application and Cybersecurity Blog
P
Privacy International News Feed
H
Hacker News: Front Page
N
Netflix TechBlog - Medium
M
MIT News - Artificial intelligence
博客园 - Franky
PCI Perspectives
PCI Perspectives
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Microsoft Azure Blog
Microsoft Azure Blog
MongoDB | Blog
MongoDB | Blog
L
LangChain Blog
P
Proofpoint News Feed
S
Security Affairs
WordPress大学
WordPress大学
The Last Watchdog
The Last Watchdog
S
SegmentFault 最新的问题
小众软件
小众软件
F
Full Disclosure
博客园 - 叶小钗
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
T
The Blog of Author Tim Ferriss
Simon Willison's Weblog
Simon Willison's Weblog
P
Palo Alto Networks Blog
Security Latest
Security Latest
P
Proofpoint News Feed
月光博客
月光博客
T
Tailwind CSS Blog
Scott Helme
Scott Helme
Hacker News - Newest:
Hacker News - Newest: "LLM"
Google Online Security Blog
Google Online Security Blog
T
Threat Research - Cisco Blogs
Help Net Security
Help Net Security
Project Zero
Project Zero

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
短视频单列和双列,谁的内容容错率更高?
鹿的策略产品手札 · 2022-01-11 · via 人人都是产品经理

编辑导语:抖音和快手的核心差异:单列和双列的产品设计带来容错率的差异,容错率的差异可以从用户行为差异导致的数据差异进一步解释。本文就短视频单列和双列,谁的内容容错率更高展开了分析。推荐对短视频感兴趣的用户阅读。

“我自己也很惊讶,毕竟直觉上,我也一度认为双列的容错率才是更高的。”

要说前两年,短视频的两个UI流派尚在割据,但从今年开始,双列式微,单列已雄霸天下。

可是,双列不甘心!这篇就来唠唠每逢提及单双列,就绕不开的试错成本问题。首先明确一下定义:

  • 试错,是用不确定信息,去试探用户。
  • 单位时间里,不确定信息越容易把用户赶跑,就意味着你的试错成本越高。
  • 容错率,就是用户能够容纳这些不确定性信息的肚量。和试错成本成反比。

有人可能会问:“好好的,干啥要吃力不讨好地去推荐不确定信息呢?”

2个目的:

  1. 不知内容好坏,让用户帮忙排雷:创作者每天发布海量内容,需要让海量用户做「晋级评委」,来决定是否可以继续扩大圈层分发。基于此,平台就有概率,把没那么好的内容,小剂量地试投给确定感兴趣的用户。
  2. 给用户做兴趣探索:一为纯新用户和低活用户做兴趣推荐,二为老用户破开信息茧房。但对推荐算法提出了更严苛的挑战:我们不仅要考虑如何「猜你喜欢」,更要通过产品设计,实现「让你喜欢」。因为后者,才会真正改变用户的生活。这是长期主义,也是社会责任。

我先抛一个可能和大众意见相左的观点:

  • 从内容冷启的试错角度,单列和双列的容错率平分秋色
  • 从兴趣探索的试错角度,单列的容错率更高

总的来说,单列容错率更高。

我自己也很惊讶,毕竟直觉上,我也一度认为双列的容错率才是更高的。

一、内容冷启层面,单列和双列容错率平分秋色

1. 从消费者角度出发

在双列场景下,用户若不喜欢这条内容,滑走就好,并不会付出过多的心血。但要知道,在双列UI下,「图片吸引比重」会高于「从众心理比重」。如果用户对封面满怀期待,点进来却大失所望,会产生预期差,是平台的慢性毒药。

预期效应:指的是动物和人类的行为不是受他们行为的直接结果的影响,而是受他们预期行为将会带来什么结果所支配。

在单列场景下,碰上无聊的内容,虽也是轻轻地滑走,但用户付出的视听精力会沦为沉没成本,用户厌恶这种精力的错付。

损失厌恶是指人们面对同样数量的收益和损失时,认为损失更加令他们难以忍受。同量的损失带来的负效用为同量收益的正效用的2.5倍。

从这点来看,双列容易埋下预期效应的坑,单列容易引发用户损失厌恶的心理,这二者难分高下。

2. 从创作者角度出发

无论什么UI,创作者的工作都会被异化。双列容易培养封面党,单列也容易培养5s党。5s党和标题党,不过五十步笑百步罢了,本质上没啥区别。

兴许有人会说,若把内容分发看作一场应聘,单列帮创作者争取到了前几秒的面试机会。但我认为,这不过是一种不同的洗牌方式罢了。创作皆苦啊。

二、兴趣探索层面,单列的容错率更高

做探索,目的是发现用户在已知用户画像之外的其他兴趣。

有观点认为:

双列是一个点击场景,用户需要自己主动挑选内容。用户点错了,怪罪平台的概率会小很多。

在单列模式下,用户会认为内容都是平台给我推荐的,口味上就会比较挑剔,对确定性内容需求更高。

相较而言,双列可以有更多的流量空间给用户做探索。

这个说法较笼统,我们不妨将其拆分一下。

用户因单个内容怪罪平台的概率=用户对内容的失望程度+内容不感兴趣程度+逃离操作成本。

1. 「逃离成本」二者基本相等

双列把用户可能不喜欢的内容藏于万花丛中,对用户干扰更少,滑走效率更高;单列把「逃离+消费下一个」集成在了一个滑动操作里,更速效方便。

2. 「失望程度」二者基本相等

什么内容会让用户失望?质量不高的内容+有欺骗性质的内容。这类内容的出现,应归咎于平台品控,和UI无关。用户并不会因为这条劣质内容是自己点的,而少怪罪平台一点。相反,根据大脑自我防御机制,他会怪罪平台更多。

自我防御机制这一概念由精神分析心理学家弗洛伊德提出,指人们在面对挫折和焦虑时启动的自我保护机制,它主要通过对现实的歪曲来维持心理平衡。

优质但用户不感兴趣的内容,给用户产生失望的感觉较小。

3. 内容不感兴趣程度,单列小于双列

用户对内容的不感兴趣,可以视为挖掘到用户兴趣的难易程度,兴趣挖掘分两种:

  1. 挖掘用户知道但推荐系统不知道的兴趣,提升用户画像的覆盖面
  2. 挖掘用户自己都不知道的兴趣,拓宽用户的生活

前者是「猜你喜欢」,后者是「让你喜欢」。我们主要说一下后者。

相信推荐从业者都知道,双列或单列多个内容的列表页,做「让你喜欢」的兴趣探索有多难——用户基本不会在双列信息流场景点不他感兴趣的内容。

为什么那么难呢?不妨用比较思维来看双列场景:当一个你不太感兴趣领域内容,和你感兴趣的内容并列放在一起。相信90%的用户会毫不犹豫地进行保守选择,点击那个你熟悉的、感兴趣的内容。于是乎,被点剩下的那条,就会被降权,打入冷宫。

成也双列,败也双列。

要真正帮助用户拓宽兴趣面,让用户时看时新,可谓任重道远。兴趣挖掘之于推荐,如同唐门暗器之于魂师魂兽。做好了,就是格局开大、万物生长;做不好,就是信息茧房,存量博弈。推荐系统一直困顿于此。

终于,皇天不负有心人,兴趣探索被单列UI破局。单列为什么那么好做探索呢?原因有几点:

  1. 用户对平台的信任。你的一个好大哥,给经济小白的你,推荐了《第一本经济学》,你很信任这位好大哥,看的概率更大
  2. 单列全屏没有对比性,比较思维被弱化了,选择少了反而更幸福
  3. 中国有句老话:来都来了……

以我自己为例:

以前不了解综合格斗,2020年在抖音刷到张伟丽战胜乔安娜·耶德尔泽西克的卫冕赛视频,大受震撼。从此知道了一个比赛叫UFC。

也曾因为某个电视剧混剪视频的配乐太抓耳了,我自然而然地看了下来,继而对这个电视剧种草。

说起音乐,抖音音乐短视频app不仅挖掘了用户音乐兴趣,还改变了用户音乐审美。它不仅解决了「猜你喜欢」,还能「让你喜欢」。

音乐和视频深度结合的方式,它具备潜移默化改变”音乐审美”的能力。通过视觉和听觉的感官上的融合刺激,重新赋予了音乐新的生命,也让大众有更多机会去接受本来可能不会听“第二遍”的歌曲,从而逐渐改变了对音乐的原有认知。让更多独立音乐人的小众音乐得以被接受和传播。

我们自己做实验,也得到了相似的结论:单列做探索,要好做得多。

三、额外谈谈「屏效比」

额外谈谈这样一种观点:

双列屏效比高,有更多的流量可以用于小样测试来发掘用户兴趣。

屏效比确实很容易迷惑我们。它甚至是一些资讯app、传统媒体信奉的UI信条。

提及双列UI,无论是谁,都会给屏效比一个大大的赞。

屏效比就是一屏常规手机屏幕的内容曝光效率。双列UI,一屏给用户4~6个视频选择,单列只给了用户1个选择。毋庸置疑,双列UI较之单列,给了平台4倍以上的试错机会,单位时间内单个视频的试错成本很小,听起来确实前者的容错率更good。

注意,大家在同意上述观点的同时,也默认了这样的逻辑——我双列吸引用户注意力的概率是你单列的4倍以上。即使你是纯新用户,我选4个大众兴趣,每个兴趣推一个,我把点击欲望拉满,就不信猜不中你的心。

听起来好像没问题,但有一个重要事实被忽略了——同样是个性化推荐,单列较之双列,有3个极大的变量:「全屏高清」+「自动播放」+「音乐」。

双列从个性化推荐角度,提升了单位时间命中用户注意力的概率,但拦不住单列另辟蹊径啊!单列提升了单个视频的视听信息量和冲击力。它是汹涌而来的感官风暴。

用户不用在四个中小图片里找一个点击,而是直接被推到了一个最为大众喜闻乐见的内容的视听场景中去。咱就是说,一个全方位感官包裹的大动作。

此刻,两极反转,屏效比失灵了。

综合来说:注意力的夺取,取之于综合体验,而非是单位时间呈现的内容数量。

单列试错成本更低,无非就是:

体验更好,视听信息量更大,沉浸感更强,更能吸引用户注意力,所以用户耐心更好。

我相信抖音的slogan:记录美好生活。

对这句slogan,我的理解是:用户通过单列视频,发现美好生活,然后放下手机,找到自己的美好生活,发上来,记录美好生活。如此循环。

本文由 @白鹿 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于 CC0 协议