短视频内容算法:如何在算法推荐时代引爆短视频

当下,基于算法的内容推荐分发就像一双“看不见的手”,是主宰着当今大部分数据流量的全新“游戏规则”。唯有将基于算法的内容推荐逻辑作为内容创作、分发、运营的核心,才能真正玩转新媒体。面对新的流量规则,无论要打造个人IP还是用短视频营销爆款产品,都需要这样一套硬核理论+实战干货。

一、内容传播的衍变

如果我们只看近100年的历史,内容的传播介质经历了从纸媒到广播,再到互联网的升级,主流的信息分发方式经历了从订阅到搜索,再到算法推荐的升级。

在主动订阅时代,内容和口碑是流量的基石;在因需搜索时代,SEO(搜索引擎优化)是流量的基石;在算法分发时代,“标签”是流量的基石。

算法推荐通过大数据计算融合了用户在订阅和搜索这两种行为中提供的信息,让过去信息与用户之间的单向传递模式发生了改变:它对海量的信息和网民打上标签,把标签相似的信息与人通过推荐的方式匹配起来,而具有相同标签的信息和人会被推荐“相遇”,由原来的人找信息变成了信息找人。

在这种新的关系下,用户获取信息的效率更高了,甚至一些自己并不知道的喜好会被挖掘出来。

对内容创作者来说,他们创作的内容能否被算法识别并分发出去,变成了一个问号——只有借鉴搜索引擎时代与“机器”斗争的经验,才能让系统能够更好地识别自己的内容。

因此,如何让算法理解你的内容、理解你的内容与受众之间的关系,将变得尤为重要。

不止内容创作者,企业也不用依附于因为入局早而位列前茅的账号,因为它们完全可以在掌握了方法论的情况下,在任何阶段通过创作优质的内容完成营销的过程。

这表明,那些通过优质的文字内容在订阅时代改变数千万读者的内容创作者,并没有在算法推荐时代通过视频内容延续自己的影响力。

视频创作真正的难度在于猜想观众大脑中的画面。

要想让观众接收自己传递的信息,就需要让自己创作的视频画面与观众本来可能会想象出来的画面相吻合,否则观众的大脑就会拒绝接受这个画面,视频也就因此失去了高效传递信息的优势。

二、短视频创作两大底层逻辑

但“生产让人人都能看懂的内容”是有方法可以遵循的。

1.短视频创作的底层逻辑一:从人的基本欲望出发

史蒂文赖斯(StevenReiss)把人类的欲望划分为16种欲望:权力、独立、好奇、接纳、有序、收集、荣誉、理想、社交、家庭、地位、反击、浪漫、食欲、运动和安宁,所有的爆款视频内容,都至少满足了观众的一个基本欲望,而创作者要做的,正是在内容创作之初,挑选一个基本欲望,用丰富的内容去满足它。

在进行内容创作时,只满足观众的欲望是不够的,更重要的是要让观众能看得懂。而创作人人都能看得懂的内容需要从人的基本认知出发。

2.短视频创作底层逻辑二:从人的基本认知出发

人与人的“共同语言”建立在对同一个事物相同的认知上,也就是双方能根据“语言”想象出相同的“现实所指”。

因此,在视频内容创作中,如果人物动作、场景结构、故事进展等元素能够利用意象图示更直观地展现,内容的认知门槛就能有所降低,能看懂的观众也就更多。

实际上,我们创作内容的过程就是创作故事的过程。大脑最容易接受的信息形式是故事,但不是每个故事都能广受欢迎,一个好的故事若要向受众传递信息,至少应该具备如下两个要素:有流量和吸引人。

三、算法时代如何获得流量?

算法推荐的特性促使内容突然获得大流量的现象比过去任何时候都频繁。当创作者具有较强的内容生产能力(内容质量高、内容产出快)时,这种爆发流量的幸运现象会让创作者平步青云。

1.创作能被算法识别的内容

2.放弃只顾自我的表达,创作用户想看的内容

算法没有自己的价值观,它判断一条内容是否优质的唯一途径就是分析被推荐用户给出的反馈。对算法来说,用户喜欢的内容就是优质的内容,不被用户喜欢的内容就不值得消耗资源去推荐。从这个角度讲,迎合算法其实就是在迎合用户。

3.账号运营

完成了账号定位,接下来就是账号的人格化建设,即思考如何让账号成为你想要的样子。“做自己”是一件非常难的事情,“让账号成为你想要的样子”更难。在现实生活中,这两个目标都很难达成,但是从内容创作角度来讲,可以通过RCSC模型实现它们。

RCSC模型包含4个维度:角色(Role)、性格(Character)、场景(Scene)和内容(Content)。将4个维度串联起来就是,你的账号以什么性格的角色在什么场景下输出什么样的内容。

拥有一种性格可以帮助创作者与观众建立更亲密的关系,这里的性格在文字时代体现为行文的风格,而在视频时代体现为画面中角色表现出来的性格。

在人格建立的过程中,场景非常重要,创作者提供的是办公场景中的技巧,还是生活场景中的技巧,或者是深夜里孤独的陪伴,决定了创作者是观众工作中的伙伴还是生活中的朋友。

四、短视频吸引力六大法则

接下来谈谈吸引力的建立。

1.以人物魅力为诱因帮助观众建立期待

不同类型的出镜人物会触发观众不同的心理预期。比如,爱美之心人皆有之,帅气的小哥哥、漂亮的小姐姐总能吸引用户的目光,人们会出于本能而持续观看,而令人感到亲切的方言口音、怪异的造型、特殊的妆容等等,则会引起用户的好奇,从而增加视频的吸引力。

2.以视觉奇观为诱因帮助观众建立期待

视觉奇观是指既奇特又少见、难得看到的景象,或者独特的视觉效果、剪辑手法。视觉奇观很容易引发观众的好奇心,好奇心会让观众对视频建立期待,在期待被满足之前,观众的视线将被视频内容牢牢吸引。

常见的视觉奇观种类包括罕见的美景、意外的场景、新鲜的玩法、具有强烈反差的内容组合形式等。

3.以明确告知为诱因帮助观众建立期待

这是种“开门见山”的方法,内容创作者可以在视频开头就向观众明确告知视频的主题或主要内容,然后在接下来的视频中详细讲解。

只要抛出的主题足够有趣或富有洞察力,就能激发观众的好奇心与求知欲,促使观众看下去以了解详情。常见的告知方式包括制作视频封面、开场抛出问题、开场抛出利益点等。

4.以身份代入为诱因帮助观众建立期待

5.以文案预告为诱因帮助观众建立期待

能帮助观众建立期待的不只是视频内容本身。除了视频内容本身,视频的简介文案也非常重要。一条好的简介文案可以直接预告内容亮点或制造悬念,让观众产生期待,继续观看下去。

6.以音乐为诱因帮助观众建立期待

此外,背景音乐也很重要。让背景音乐成为视频内容的灵魂,有以下3个效果等级,这些效果的实现难度逐渐递增。

①背景音乐不间断,营造沉浸感

用背景音乐表达情绪,节奏的舒缓或紧张、不同乐器的使用、音调的高低都代表了不同的情绪。

用背景音乐讲述一个故事,很多时候,平淡无奇的画面配上合适的画外音,就可以讲述一个精彩的故事。在抖音中流行的一些背景音乐歌词,会让原本简单的人物随拍变得幽默。

②背景音乐牵着画面走,强化情绪,预设满足感

用节奏引导剪辑思路,比如用节奏鲜明的背景音乐引导剪辑思路。

用抖音中的流行歌曲组织已有素材,观众常常一听反转音乐就知道会有令人惊奇的转折事件发生,反转音乐虽然常见,但总是有效。

用反转音乐预设满足感。

用背景音乐赋予主体信息,例如,《西安人的歌》运用独特的方言唱腔,会让听者瞬间建立起“视频内容与西安有关”的心理预期。

③背景音乐是身份证明,是“梗”的灵魂

用已成型音乐梗创作新鲜的内容,通常,已成型的音乐梗能让观众对内容建立明确的期待。

用标志性人声强化可识别性,与音乐和环境声效相比,纯人声更能与受众产生共鸣。

让用户产生愉悦感并跟风传播,是用背景音乐打造“梗”的关键。当所有人都在播放同一种画面、扮演魔性的角色时,伴随着画面和角色的背景音乐就成了观众潜意识中甩不掉的“梗”。

五、案例——抖音

以抖音为例。

比如,“如果你遇到特朗普,你会对他说什么?”再减小概率,“如果你误入女厕所,遇到了特朗普,你会对他说什么?”再继续减小概率,“如果你买彩票中了500亿元,还误入女厕所,并且遇到了特朗普,你会对他说什么?”

“生命以负熵为食”,情绪同样需要有序地抒发。事件的本质是转变,这里的转变在故事里是人物情节的转变,但反映到观众身上,则是情绪的转变。要想保证观众的情绪转变是舒爽的、顺畅的,就要保证故事的创作满足第二个方法:情绪有序转变,不要“回流”。

根据抖音视频创作的第二个法则,当故事激发观众的情绪转变时,必须保证观众情绪的个维度都按照同一个方向转变,即从“不愉快”到“愉快”,而不能产生“回流”,即从“不愉快”到“愉快”又回到“不愉快”。

以前我们谈论新媒体内容,更多指向注意力经济的媒体属性;现在看来,内容如同血管,渗透到实体经济的方方面面,输送流量、用户、商誉、创意和购买力,进而升级为产业生态。

在视频越来越成为主流信息媒介的当下,算法推荐这种信息分发方式被广泛地应用于各类平台,信息传播逐渐呈去中心化趋势,“人人都是媒体”的时代真正来临了。

THE END
1.计算机专业中所用到的视频基础知识视频基本概念 (1)根据视觉暂留原理,连续的图像变化每秒超过24帧(Frame)画面以上时,人眼无法辨别单幅的静态画面,看上去是平滑连续的视觉效果,这样连续的图像画面构成即视频。在这里插入图片描述 (2)一个完整的视频文件主要由音频和视频两部分组成的,视频编码是为了压缩视频数据而做的一种压缩算法,是音视频https://baijiahao.baidu.com/s?id=1808949751313003336&wfr=spider&for=pc
2.“AI”科普丨Sora如何复现?《长视频生成》综述:挑战方法与前景计算机视觉和人工智能领域经历了变革性的增长,特别是在视频生成领域。最近,开发出能够产生高质量和逼真视频序列的算法激增。值得注意的是,长视频的生成,以其延长的持续时间和复杂的内容为特征,为社区提出了新的挑战并激发了新的研究方向。 尽管如此,关于长视频生成的研究仍存在差距。当前研究中的一个缺口是缺乏长视频https://www.163.com/dy/article/IUSDI6UK0511PEBT.html
3.GitHubguanfuchen/video基于视频的目标检测算法研究 对相应的视频目标检测论文整理实现综述文档。 知乎上有关该方向的讨论视频中的目标检测与图像中的目标检测具体有什么区别?。 简单来说,视频检测是比单张图片检测多了Temporal Context(时间上下文)的信息。不同方法想利用这些Context来解决的问题并不相同。一类方法是关注如何使用这部分信息来加https://github.com/guanfuchen/video_obj
4.视频算法工程师招聘网2025年视频算法工程师招聘信息猎聘2025年视频算法工程师招聘信息,海量高薪猎头职位等你来选,了解视频算法工程师岗位要求、薪资待遇等真实招聘信息,找高薪职位,上猎聘!https://www.liepin.com/zpshipinsuanfagongchengshi/
5.视频版权检测算法CompetitionsCCF大数据与计算智能大赛(CCF Big Data & Computing Intelligence Contest,简称CCF BDCI)是由中国计算机学会大数据专家委员会于2013年创办的国际化智能算法、创新应用和大数据系统大型挑战赛事,是全球大数据与人工智能领域最具影响力的活动之一。2019 CCF大数据与计算智能大赛由教育部高等学校计算机类专业教学指导委员会、国家https://www.datafountain.cn/competitions/354/
6.深度学习视频处理算法深度学习模型预测华为云帮助中心为你分享云计算行业信息,包含产品介绍、用户指南、开发指南、最佳实践和常见问题等文档,方便快速查找定位问题与能力成长,并提供相关资料和解决方案。本页面关键词:深度学习视频处理算法。https://support.huaweicloud.com/topic/986960-1-S
7.短视频推荐算法java51CTO博客已为您找到关于短视频推荐算法java的相关内容,包含IT学习相关文档代码介绍、相关教程视频课程,以及短视频推荐算法java问答内容。更多短视频推荐算法java相关解答可以来51CTO博客参与分享和学习,帮助广大IT技术人实现成长和进步。https://blog.51cto.com/topic/11ec4b238f401a2.html
8.视频分析算法的原理简介csdn视频解析算法视频分析算法的原理简介 智能视频(IV,IntelligentVideo)技术源自计算机视觉(CV,ComputerVision)与人工智能(AI,ArtificialIntelligent)的研究,其发展目标在于将图像与事件描述之间建立一种映射关系,使计算机从纷繁的视频图像中分辩、识别出关键目标物体,这一研究应用于安防视频监控系统、将能借助计算机强大的数据处理能力过滤掉https://blog.csdn.net/huapeng_guo/article/details/7684987
9.公共安全视频密码算法检测工具的设计与实现检测认证GB 35114-2017《公共安全视频监控联网信息安全技术要求》的技术核心是利用国产密码算法解决视频监控联网系统信令及视频传输、存储的信息安全问题。 GB 35114-2017《公共安全视频监控联网信息安全技术要求》的技术核心是利用国产密码算法解决视频监控联网系统信令及视频传输、存储的信息安全问题。本文参照国密算法验证的相关方法http://news.21csp.com.cn/c25/202208/11416710.html
10.基于MPEG2的三种视频加密算法理论上MPEG2视频直接加密算法具有很高的安全性,DES算法具有很高的安全性。MPEG根据视频选择性加密算法MPEG2视频编码特性的加密方法是主要方向。(1)基于MPEG2视频帧结构的选择性加密算法,最早提出的加密思想只加密一帧,因为一帧包含了大量的视频信息,P帧和B帧主要用于https://www.55tools.com/news/0375.html
11.短视频内容算法:如何在算法推荐时代引爆短视频(豆瓣)什么才是掌控短视频分发“看不见的手”? 本书从传播学、心理学、信息学等多学科角度出发,结合一线操盘经验、实战案例、详尽的数据分析,揭示算法推荐的底层规律。 作者希望给想进入短视频内容行业或正在尝试转型的内容创作者,以及想通过短视频内容营销实现弯道超车的企业带来帮助。 产品、流量、用户和数据,正在形成以内https://book.douban.com/subject/35216809/
12.全面解析腾讯会议的视频前处理算法第二,桌面端是腾讯会议的核心场景之一,自研推理引擎在桌面端的异构计算和并行计算优化方向积累丰富,有力的支撑了桌面端的音视频算法。 第三,自研推理引擎可以快速定制化和响应业务的需求,特别是对于腾讯会议这种快速迭代的产品来说,快速定制化和迭代的能力非常重要。 https://www.infoq.cn/article/BRUFWUue3cgmz4YouWWt
13.一种新的近重复监控视频检测算法AET受参考文献[4]启发,本文在提取关键帧图像的特征提取之前先在镜头层次提取出一种新的特征作为镜头的时序特征,再提取全局颜色特征和更精确的SURF局部特征进行检测,最终得到与查询视频近重复的视频,算法具体框架如图1所示。 1 近重复监控视频检测算法 1.1 镜头边界检测 http://www.chinaaet.com/article/213769
14.高通CVPR神研究:视频处理计算量降低78%,教卷积层自己“挑像素因此,降低视频算法计算量,一直是国内外AI视觉算法大牛们致力研究的问题。 最近有两篇CVPR 2021的论文,就引起了视频圈的不少关注。 它们教算法模型学会了自己“省算力”,将视频处理算法的计算效率提升了几倍不止,性能也并不下降! 教AI自己省算力,计算量-78% https://m.thepaper.cn/newsDetail_forward_13149498
15.应用Camshift跟踪算法提高视频中人脸检测速度3.3 Camshift算法 Camshift算法就是对视频里的每一帧图像全部做Meanshift运算, 并且把计算出来的目标的大小及位置当做下一帧Meanshift算法中搜索框的大小起始值及它的中心位置. 利用迭代运算的形式实现对视频里的目标进行跟踪. Camshift算法流程如图5所示. 图5Camshift算法流程图 https://c-s-a.org.cn/html/2020/9/7645.html
16.用深度学习设计图像视频压缩算法:更简洁更强大雷峰网总体而言,借助于深度学习设计视频和图像压缩算法是一项非常具有前景但也非常具有挑战性的技术。目前,其已经在人脸识别等领域证明了它的强大能力,有理由相信在不久的将来,深度学习技术将为图像视频压缩领域带来更大的突破。 图6:在同等压缩率下压缩视觉效果对比。上图为图鸭所提出的算法,下图为 JPEG2000 算法。在纹理https://www.leiphone.com/category/ai/rUFVbAmPDRP1bwgP.html