品牌如何玩转抖音？

一只特立独行的Eric

抖音作为现下最火的短视频平台之一，其中蕴藏的巨大流量让无数品牌趋之若鹜。那么，品牌如何在抖音创造更多的商业价值？

网络上有很多企业家的分享，他们爱讲一些宏观的东西，比如商业概念、组织理念、竞争准则，大家也很爱听。也有很多人花钱去学习这些内容，想要打磨自己的底层逻辑。

但事实上，要把他们所说的抽象内容落实到业务里去，往往是一个很具体的过程。本文将以“效率与体验”为主题，通过商业化的案例来深入理解。

从抽象到具体

企业到底是追求效率，还是追求体验？这个问题对众多老板而言是哲学命题一般的存在。你肯定听过某大佬说过：“只要坚持为用户创造价值，就一定能实现商业上的成功。”这与阿里价值观“客户第一，员工第二，股东第三”的观点相同。

总之，老板的视角往往是“两手都要抓，两手都要硬”。

然而，老板们可以大谈哲学、人文主义，但基层员工，常常需要做取舍。以抖音为例，如果每刷10条视频，其中7条都是广告，即使短期内抖音可以获得更高的收入（效率），但用户体验将受到严重影响，并伴随高流失率（体验），收入增长不可持续。产品加速商业化的过程，需要化解两者难以兼顾的困难局面。

“体验与效率”之所以要取舍，是因为两者站在了不同的视角。用户关注“体验”，广告越少越好；抖音关注“变现效率”，广告越精准且越多越好。

面对体验与效率的对立统一，抖音等新兴广告媒体的解决方案沿用了李彦宏的理论：

1. 用户为了享受免费的内容服务，就需要接收广告信息，平台会根据相关性和兴趣推荐广告。

2. 广告售卖以平台收益（eCPM）为主要的优化目标。

抖音推1条广告要考虑的事情

据字节跳动2020年财务数据预估，2020年抖音靠广告挣了约1 000+亿元。

当然，考虑到广告对用户活跃会有负向影响，最终用户接收的广告数量将被约束在一定的范围内。据2019年华创证券的数据，抖音广告加载率（Ad load）为12%～14%，即用户每100次向下滑，平均会滑到12～14条广告。

根据公式：广告收入=DAU（每日的活跃用户数）×人均浏览视频次数×Ad load（广告加载率）×eCPM（平台展示千次广告的收入）/1 000。

既然抖音的廣告加载率已经比较高了，如果想把收入从1 000亿元提高到2 000亿元，则需要依靠更大的总用户时长（DAU×人均视频条数）或者更高的eCPM。

要想实现这两个目标，需要持续优化“内容分发、广告分发”的能力。其中，内容分发本质是个性化推荐；广告分发本质是计算广告。

前Facebook工程师宋一松定义了两者的区别：“推荐系统和计算广告是不同维度上的概念，推荐系统是一种技术，广告是一项业务。个性化推荐只是计算广告的一个环节，一个完整的广告系统还需要其他很多重要的技术组件。”

“个性化推荐”的核心目标是用户体验，是基于大量历史数据尝试推荐用户最感兴趣的内容，包括广告。其中，用户体验的正向行为有“完播、点赞、评论、关注、分享、下载、打赏”等，抖音每日活跃6亿+用户，每个人刷出来的视频排序大概率是不一样的，这与用户偏好、属性、实时热点都有关系。

从每个独立用户视角所看到的视频排序，一般都会经历“内容召回-内容粗排-内容精排”的过程，利用协同过滤、机器学习、深度学习等算法/策略来确保推荐的精准度。

由于平台不可能直接把数千万条视频、直播与用户的兴趣进行匹配、排序，所以要先通过多种策略做内容召回（比如兴趣标签、相似用户、热门内容等），先召回有限的候选集，再进行内容排序。

最终，服务器向用户手机返回排好顺序的视频，用户依次向下滑动，他的点赞、评论、观看时长等行为将被记录下来，用于未来模型训练，以提升预测的准确度。以亿为单位，海量的兴趣数据经过训练不断反哺到内容推荐与广告业务中去，呈现飞轮式增长。

计算广告如何更高效

我们知道，计算广告作为一项业务，其核心目标是平衡用户、平台、广告主三方的利益：

平台利益：Max（eCPM，千次广告展示收益），代表单位流量售价最高，如果抖音Q2平均1 000次广告展示获得的广告费是40元，环比Q1上涨10元，那说明Q2的变现效率提高了。

广告主利益：Max（ROI），ROI=收益/CPM（千次广告展示成本），这里的“收益”指广告主支付广告费获得的收益水平。例如：阿里在抖音投放1 000次广告需要支付20元，平均可以获取1个新用户，1个用户1年只能为阿里带来10元的综合收益（ROI=0.5），那么20元的广告费就是不划算的。

用户利益：尽量少看广告（抖音的Ad load），即使看也是看自己感兴趣的内容。

我们模拟一轮简化的广告分发场景：用户A和C看了广告主A和C的素材后都没有点击，而用户B不仅点击了广告主B的素材，并且注册成为了B产品的客户。

这一轮广告展示中，广告主A和C需要根据广告展示次数向平台付费（CPM），但他们获得客户的利益点没有得到满足。这就出现了客户收益与平台成本不匹配的问题，若长期没有改善，广告主自然就会停止投放。

所以，想要满足客户的投放目标（合理的获客成本），就需要提高广告的点击和转化水平（CTR和CVR），这就回到了“个性化推荐”在计算广告中的应用，尽量匹配用户感兴趣的广告。

如何持续改善广告点击/转化率？

以京东的广告排序模型为例，用户在“搜索商品的场景”，广告点击的概率（CTR）可以描述为依赖于4个不同类型输入的函数：

Query：描述用户的搜索意图。

User（用户侧特征）：描述用户的兴趣以及偏好。

Item（商品侧特征）：描述商品是否优质。

Context（文本特征）：描述用户搜索时属于怎样的场景，是上班的时候搜的还是周末搜的，此时是否有活动。

通过构建特征工程并确定目标函数，利用Online-Learning（在线学习）大量数据训练后得到CTR优化结果。

在推送1次广告时，平台到底从海量的广告主中推哪一个，核心考量因素是eCPM（平台每千次展示的收入）=预估点击率（p-CTR）×预估转化率（p-CVR）×预估出价（p-Bid）。根据每个广告的eCPM进行排序，选出值最大的进行展示，如果涉及i个不同的客户，则取所有客户∑eCPM求和最大化的解。

从产品实现的角度，平台在广告排序时需要前置预估点击率、转化率和出价，所以预估准确度决定了最终平台的收益是否真的能实现最大化。

预估点击率与转化率很好理解，就是广告实际下发前，平台并不知道推给用户后有多少人会点击、转化，只能用模型估算，广告下发后再基于实际数据返回模型学习，不断提高预估准确度。

预估出价主要是因为广告平台通常采用GSP（广义第二价格）模式，即广告被展示后，广告主所需支付的价格并非自己出具的价格，而是下一位出价者的价格+0.01元（字节跳动是0.01元）。这里就涉及到广告系统需要预估最终出价，并在产生实际值后带回模型进行学习。

直观感受，采用GSP计费增加了系统预估的参数量（p-Bid），从而会让预估变得更难。那么，为什么不直接使用广告竞得者的出价（第一价格）？

主要考虑了使用“第一价格”带来的出价波动问题。如果广告竞得者支付其竞价价格，其他广告主会为了获得展现而不断提高价格，在获得广告展现后，又会开始不断减少出价以降低成本。这个博弈过程，容易使得出价不稳定，影响eCPM的预估准确度。

字节跳动的天花板与挑战

毫无疑问，字节跳动已经成为比肩阿里、腾讯的顶级互联网企业，单纯从商业化角度，它的想象力也是“独角兽”里最大的。

2020年中美主要互联网企业里：

阿里、Amazon（亚马逊）为代表的电商公司，广告是其重要的收入来源，其中阿里依靠电商广告成为中国第一大在线广告媒体（简称“电商广告”）。

Google（谷歌）、Facebook（脸书）主要营收同样来自广告业务，但他们的广告主要是将流量导给App、网站等广告主，用户在点击广告后进入广告主的产品体系，成为广告主的用户，而后续的付费、活跃数据就与他们无关了（简称“非电商广告”）。

电商广告与非电商广告的主要区别在于：“用户被广告转化后，核心数据是否留在广告平台”，包括在广告主侧的行为数据、付费数据、偏好数据等。

以天猫为例，Skechers（斯凯奇）旗舰店在天猫投放“运动鞋”的搜索词广告，其投放目标ROI=用户的成交金额（GMV）×利润率/广告成本。当用户被搜索广告影响进入Skechers店铺，并发生了关注店铺、购买商品等行为时，相关数据均被天猫App记录，广告全流程实现了数据闭环，阿里可以利用这些数据更高效地优化模型，提高商家的变现效率。

而非电商广告，例如Facebook推广游戏“皇室战争”，其投放目标ROI=用户在皇室战争的付费金额/广告成本。但当用户下载皇室战争App后，其注册、付费行为Facebook是无法掌握的，只能通过与Facebook的回传机制（oCPM）让广告主告诉平台谁注册了、谁的付费水平更高，平台基于回传数据进行模型学习，持续优化广告主的ROI。

考虑到用户付费很可能是长周期行为，并且回传模式难以监测更多维度的用户特征，使得非电商广告受制于数据隔离问题，很难像电商广告系统那样实时+全量化地将用户转化数据用于广告系统的训练，以有效提高电商广告主的ROI。

但字节跳动强就强在同时兼具了电商广告与非电商广告两大业务（内容+电商），这在过去所有中美互联网巨头里都是没有过的。

抖音非電商广告年收入已经做到了1 000亿～2 000亿元；而抖音电商2021年GMV目标是1万亿元，按3%的货币化率计算，电商广告有机会做到300亿元以上。随着直播带货大趋势的推动，未来抖音电商还有成倍的增长空间，字节跳动的商业化天花板远没有见顶。

当然，字节跳动也面临很多新的挑战。过往的电商广告、Feeds广告都是向用户推送，广告主可以使用大量差异化的素材/投放人群做AB测试，找到最优人群和素材。但直播电商的实时性很强，如罗永浩周日18：00-21：00点直播，广告系统也只能调度相关时段的流量，并且直播过程难以预测，这也给广告系统提出了更高的要求。

“流量产权”的博弈场

有些观点认为，电商平台做大后拥有了对合作商户收费的权力，这是一种“征税权”。在反垄断的大背景下，赋予“征税”标签更有利于突出平台的强势与商户的弱势。

但冷静下来思考，天猫作为线上的“万达广场”，其向商户收费的前提是天猫能够为商户带来持续的生意。为此平台也付出了很多的努力，包括在物流端（菜鸟网络）保障用户的购买体验，提供丰富的金融服务（蚂蚁金服+网商银行）支持小微商家经营。

阿里每年还要向外部媒体采买流量以支撑更大的交易规模。2020年，阿里在抖音就花了200亿元的广告费，这些努力的目的是构建平台流量的持续性和竞争力，这和万达付出高价抢拍市中心的土地资源是一个道理。

相比于“征税”的强制性，电商平台投入大量资本为建设更有商业价值的经营环境，并向商户收取租金、广告费的行为，可以视作“流量产权”的商业变现。

谈到产权，意味着经营权、收入分配权、使用权与转让权。它的威力我们并不陌生：1978年安徽省凤阳县小岗村，18位农民签下一份“生死状”，开启了包产到户的农村改革序幕（即生产者获得经营权），包产到户后第1年的粮食产量就获得大丰收，相当于之前1955-1970年粮食产量的总和。

小岗村农田的经营权价值由产量决定，40年后虚拟世界的流量产权，它的价值又由什么决定呢？回到天猫的例子，归根结底还是由商户在这里的变现能力决定。如果天猫如同城郊荒野的老旧小区底商一般，商户们不会沉迷在“淘宝直通车”的氪金游戏里。

脱离电商语境，抖音就像一个线上的旅游度假区，有跳伞、赶海、自驾等项目，也有不断扩建的大型购物商场（抖音电商），6亿用户每天都愿意来这里娱乐消遣，这里的广告位自然有人愿意买单。

但是，只要流量大就能轻松变现吗？这个问题的关键在于流量产权在谁的手上。我们对比微信生态电商与传统电商平台就会发现，同样是在线商场，两者的流量产权逻辑仍有很大的不同。

在微信生态下，很难说是腾讯拥有了流量产权，因为流量匹配由用户与商家的关注关系决定，这就衍生出了以关注关系为中心的私域营销理论。以完美日记为例，其通过大量社群反复触达消费者，拉动品牌产品的售卖。

当然，微信将流量产权的变现能力让渡给商家，和其产品战略也有很大的关系，作为中国人的社会连接器，微信专注于赋能一个个微小的个体，在商业化上一直都比较克制。

这座超级流量池，无形中为腾讯游戏、核心生态伙伴“美团、滴滴、京东、拼多多”输送了大量的流量，以全面遏制阿里的发展，实现了体验与效率的最佳實践。

另外，B站也是非常典型的以关注关系为中心的社区，大家关注自己喜爱的UP主，UP主持续创作优质的内容获取更多忠实粉丝和稳定的流量，并最终通过广告变现。此时，流量产权成为KOL的核心资产。

也不排除未来的某一天，B站迫于压力急于变现，会让用户每看几分钟就强行插入一个广告。强制插入广告的行为，意味着即使KOL利用关注关系和粉丝建立了强连接，但流量控制权仍然掌握在平台手中。

当平台开始加速商业化时，往往就是流量产权再博弈的过程，一个健康的内容平台，可以支撑更多的创作者在必要的规则约束下得到良好发展，这类平台在博弈中就能掌握更大的话语权。

但如果平台把过多精力放在变现上，大概率会稀释内容质量与用户体验。就像抖音即使在广告分发领域找到了“个性化推荐”的良药，也无法无节制地提高广告加载率，并且伴随着抖音电商内容的激增，娱乐内容占比进一步下降，消费者的口袋终会捉襟见肘。

即使是这样，算法的上帝视角仍有机会根据不同用户对商业内容忍耐度的差异，千人千面地调整娱乐与消费的内容比例，最终把人困在系统里，成为欲望的囚徒。

总体来看，在未来的日子里，“体验与效率”仍然是老板口中的“都要硬”，但执行起来却非常困难的事情。当然，我们依旧相信市场经济的力量总是能用“无形的手”将商业活动推向更有效率的真实世界。