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.视觉识别算法介绍如何实现视觉识别视觉识别算法介绍 本文介绍了视觉识别算法在计算机视觉中的重要性,包括图像预处理、特征提取、匹配和识别等步骤,以及常见的边缘检测、目标检测和物体识别算法。此外,还探讨了这些技术在人脸识别、图像搜索、自动驾驶和医学影像识别等领域的应用。 摘要由CSDN通过智能技术生成https://blog.csdn.net/m0_72410588/article/details/131885622
2.封面人物沈春华:做简单高效的人工智能算法,让机器“看”得更清楚让视觉识别更加灵敏 给机器一张图片或者一段视频,如何把目标信息找出来?现在常用的是基于锚定框(anchorbox)的目标检测算法,预先设计好不同的模板,让算法在经过“训练”之后利用最匹配的模板检测并识别出目标。 “业界之前普遍认为,去掉锚定框会大大降低识别效果。缺点是算法设计比较复杂,锚定框数量非常多,比如小汽车https://www.zju.edu.cn/2022/0723/c41533a2605540/page.htm
3.虹软视觉开放平台—以免费人脸识别技术为核心的人脸识别算法开放虹软视觉开放平台基于专业的人脸识别算法,为用户免费提供人脸识别技术为支撑的人脸检测、人脸比对、人脸追踪、活体检测、人证比对等产品。提供人脸识别门禁、人脸识别考勤等产品解决方案,致力于为创业团队提供人脸识别技术赋能。https://www.arcsoft.com.cn/ai/sdk
4.视觉识别现代物体检测算法的基础是深度学习,常见的物体检测算法有RCNN、Fast RCNN、Faster RCNN、YOLO、SSD等。其中,YOLO和SSD是速度较快且适合实时场景的算法,而Faster RCNN则是当前目标检测效果最好的算法之一。 物体检测的应用场景非常广泛,如智能安防、自动驾驶、工业生产等。 场景分析 编辑本段 视觉识别是一种基于图https://vebaike.com/doc-view-942.html
5.从单幅图像到双目立体视觉的3D目标检测算法机器之心从单幅图像到双目立体视觉的3D目标检测算法 一.导言 经典的计算机视觉问题是通过数学模型或者统计学习识别图像中的物体、场景,继而实现视频时序序列上的运动识别、物体轨迹追踪、行为识别等等。然而,由于图像是三维空间在光学系统的投影,仅仅实现图像层次的识别是不够的,这在无人驾驶系统、3604f85d04>增强现实技术等领域https://www.jiqizhixin.com/articles/2019-08-01-13
6.改进YOLOv5s的交通标志识别算法改进YOLOv5s的交通标志识别算法 摘要:为了准确且实时地检测到交通标志指示牌, 减少交通事故的发生和推动智慧交通的发展, 针对现有的道路交通标志检测模型存在的精度不足、权重文件大、检测速度慢的问题, 设计了一种基于计算机视觉技术的改进YOLOv5s检测算法YOLOv5s-GC. 首先, 使用copy-paste进行数据增强后再送入网络https://c-s-a.org.cn/html/2022/12/8859.html
7.机器视觉方向最常用的21种算法机器视觉视觉检测设备机器视觉是一门前沿而又引人入胜的领域,它的应用涵盖了各个行业。在这个领域中,有许多算法被广泛应用,它们帮助我们实现了从图像识别到目标追踪的各种任务。本文将为大家介绍机器视觉方向最常用的21种算法,让我们一起来探索这个神奇的世界吧! 1、机器视觉方向最常用的21种算法 https://www.0755vc.com/15710.html
8.基于高斯混合基于高斯混合-隐马尔科夫融合算法识别奶牛步态时相[J]. 智慧农业(中英文), 2022, 4(2): 53-63. doi:10.12133/j.smartag.SA202204003 ZHANG Kai, HAN Shuqing, CHENG Guodong, WU Saisai, LIU Jifang. Gait Phase Recognition of Dairy Cows based on Gaussian Mixture Model and Hidden Markov Model[J]https://www.smartag.net.cn/article/2022/2096-8094/2096-8094-2022-4-2-53.shtml
9.自动驾驶之感知算法3.使用深度学习识别灯颜色的变化(分为检测和颜色分类两步) 一条道路上有很多红绿灯,检测算法会把所有的灯都检测出来,地图会告知需要看几个灯,但是并不知道看哪几个灯。因此需要把对应关系匹配起来,需要做3D到2D的投影,投影又受到标定、定位、同步、地图等因素的影响,需要综合考虑 https://www.jianshu.com/p/bd61b7400cda
10.AI综述专栏图像物体分类与检测算法综述腾讯云开发者社区实例层次: 针对单个物体实例而言,通常由于图像采集过程中光照条件、拍摄视角、距离的不同,物体自身的非刚体形变以及其他物体的部分遮挡使得物体实例的表观特征产生很大的变化,给视觉识别算法带来了极大的困难。 类别层次: 困难与挑战通常来自三个方面,首先是类内差大,也即属于同一类的物体表观特征差别比较大,其原因有https://www.cloud.tencent.com/developer/article/1628228