“今日頭條”如何用“過時”模式運營出6億用戶

2012年8月，“今日頭條”正式上線。截至2016年12月底，“今日頭條”已經有5.8億名用戶，日活躍用戶7800萬人次，月活躍用戶1.75億人次，單用戶日均使用時長76分鐘。根據數據服務商QuestMobile的數據，移動應用中人均月度使用時長的前兩名就是微信和“今日頭條”。“今日頭條”有自媒體創作平臺頭條號，還有知識分享平臺頭條問答以及短視頻，目前短視頻日均播放量為13億次，日均播放總時長達3700萬小時。具體分析如下圖。

2016年12月，“今日頭條”獲取了10億美元的融資，估值超過110億美元，支撐起高估值的是其業務增長速度。2015年，“今日頭條”的總收入為30億元，2016年為60億元，2017年的目標是100億元，如下圖所示。“今日頭條”的目標是成為信息分發領域的基礎設施，已經與騰訊、阿里和百度展開了正面競爭。

說起來，“今日頭條”可以算是內容運營行業的一朵“奇葩”。

內容是互聯網行業最早的應用需求，也一直是互聯網行業最大的入口。相比其他領域，內容服務提供商的更迭率較低，被巨頭們牢牢把持著。就連“上古的四大神獸”——新浪、網易、搜狐、騰訊也都還健在，而且牢牢地把持著各種細分人群。

但一家堪稱“模式陳舊”（以十多年前便出現過的新聞聚合RSS為原型進行改良，根據用戶數據用算法實現自動添加新聞源和自動分發）、團隊簡陋（至今也只有區區幾百人，除了創始人張一鳴來自于曾經的搜索技術奇兵酷派之外，團隊其他成員并沒有什么輝煌的過往，而且這是個沒有編輯的新聞網站，絕大部分團隊成員是工程師）、“品味低俗”（推薦文章的標題經常一驚一乍讓人臉紅）的公司，現在已經儼然成為內容入口的第一梯隊成員。

你要說這么“不給力”的模式、團隊和內容，而且到現在也沒認下BAT里任何人做“干爹”，到底是怎么組合成這家已經市值過百億美元的公司的呢？我們不妨從“今日頭條”的運營思路中一探究竟，如下圖所示。

今日頭條1.0：編輯智能化

“今日頭條”的創始人張一鳴說，“今日頭條”是把算法、工程、產品、運營這幾個方面在應用層面結合得最好的一家公司。“今日頭條”理解用戶需求，懂算法、工程，理解產品，并且還能做細致的運營。

那么，“今日頭條”在運營上的策略有何高明之處呢？既然新聞聚合模式十多年前就有，為什么“今日頭條”能成長為“獨角獸”？這還要研究“今日頭條”是怎么通過新的運營手段迭代成長的。

“今日頭條”提高了人們的閱讀效率，采用準人工智能的方式，將用戶分類，并結合用戶興趣，采用機器分發的方式，向用戶推薦個性化資訊，之后自動組合成用戶的個性化主頁。事實證明，當個性化的主頁提高了用戶閱讀效率后，用戶停留的時間明顯增加，如下圖所示。

目前，“今日頭條”已經拓展了短視頻和頭條問答等內容形式，并引入了用戶自有廣告系統和頭條推薦廣告系統等廣告分成模式。

張一鳴說，“今日頭條”創辦之初，他經常和朋友解釋，“今日頭條”不是媒體，不是傳統的新聞客戶端，沒有人工編輯，它是一款推薦引擎產品，是一個資訊分發平臺，文字、圖片、視頻，甚至問答、直播等各種形式的資訊內容都可以通過“今日頭條”的推薦系統找到對它感興趣的用戶。

“今日頭條”一方面由于改善了閱讀體驗，產生了用戶匯聚，其在向內容介質拓展，做短視頻等方面得心應手；另一方面，以這種能力進入廣告分發領域，可以把廣告做得更精準，與有著巨大流量入口的騰訊新聞的差距也越來越小，如下圖所示。

以往的內容模式，例如我們剛才提到互聯網內容領域的新浪、搜狐等門戶網站，其頭版或頭條及所有的內容分發完全由編輯決定，所有讀者都面對一個相同的頭版。這一方面造成版面位置資源緊張；另一方面，讀者找到自己感興趣的文章效率也不高。個性分化是從博客、微博和微信等新媒體才開始的，但添加關注時，又會造成大量的信息重復、刷屏等閱讀浪費，同時微博、微信的閱讀會自然流向大V之類的地方。“今日頭條”解決了閱讀個性化問題，并采用算法過濾重復信息，用戶界面設計友好，因而迅速獲得用戶的追捧。

雖然看起來和老模式的RSS差不多，但其實“今日頭條”在技術上對過去的新聞聚合模式做了很多改進。媒體在2013年曾披露過“今日頭條”算法的運行原理，“今日頭條”擁有1000臺左右的服務器，研發人員在這些服務器上撰寫各種代碼。這些代碼被稱為爬蟲或者蜘蛛，它們到傳統媒體的網站和門戶網等網絡媒體上抓取各種信息。如果抓取到的內容是門戶網站購買自紙媒網站的，那么“今日頭條”會優先從紙媒網站抓取。這其中涉及到版權問題，所以“今日頭條”多次遭到版權投訴。2017年5月，“今日頭條”還遭到十家主流媒體的起訴。

對信息的計算是“今日頭條”的核心技術。“今日頭條”對抓取到的信息進行分析后，一旦確定這些信息是有價值的，就會給這些信息打上標簽，并根據信息標簽與用戶標簽的契合度，把信息推送到有興趣的用戶手機里的“今日頭條”客戶端里。此外，用戶注冊時，可以使用新浪微博、QQ等社交工具賬號登錄。機器人會通過數據挖掘最終得出一個關于用戶大致信息的偏好，然后給用戶推薦相關信息。同時，機器人會通過觀察用戶閱讀某篇文章的速度來判斷用戶是否對其感興趣，并及時調整之后推薦的信息。

定位準確，找到了行業空檔之后，“今日頭條”又是怎么確定運營技巧的呢？

（1）人工智能的算法推薦

今日頭條既不招聘記者也不招聘編輯，利用人工智能推薦算法，其信息分發效率遠高于人工編輯，且運營成本降低了80%以上，算是成本上的“輕模式”。

既然借助于人工智能技術，“今日頭條”實現了資訊分發的“千人千面”。那么“今日頭條”就把思路放在傳統媒體時代無法實現的功能上，既給讀者帶來新奇的體驗，打造自身的品牌化差異，也探索出一些新奇的做法，讓傳統媒體和陳舊門戶難以跟隨。隨后借助這些手段，培養讀者新的閱讀習慣，拓展作者新的收入模式。

（2）改寫的分發渠道和廣告成本結構

“今日頭條”改寫了信息分發渠道和廣告成本結構，贏得了在內容行業重新制定自己規則的話語權。“今日頭條”由于能夠做到讓每一個用戶每時每刻都能看到屬于他們自己的資訊頭版，這為其下一步創新的內容運營和廣告運營模式打開了空間。

張一鳴特別提到“今日頭條”有一個公益項目“頭條尋人”，是體現精準信息分發的一個典型例子，它既是智能內容分發創造的一個信息應用場景，也是“今日頭條”借以深入人心的一個典型的市場運營案例。

過去，“尋人啟事”只能刊登在報紙的夾縫或者其他不起眼的角落里。但“今日頭條”就可以做到把“尋人啟事”從報紙的夾縫里送上頭條。不僅如此，“今日頭條”還打造了使人和信息更為高效連接的品牌內涵。盡管是尋找陌生人的尋人啟事，但卻牽動著千千萬萬人的心。一場尋人行動，將走失者、尋找者和知情者這些原本孤立的點都連接起來。這是一個典型的連接信息的應用場景，延展了讀者的閱讀空間并加深了讀者的認知：“今日頭條”的信息是具有服務屬性的信息，具體如下圖所示。

“今日頭條”頁面排版簡潔，非常適合普通大眾的碎片化閱讀需求。打開客戶端后，前四個欄目依次是“推薦”“熱點”“視頻”“所在城市的新聞”，非常方便手機閱讀（見下圖），而不是像很多門戶網站一樣，首頁密密麻麻排滿許多欄目；同時，內置瀏覽器對于網頁的解析和重排做得非常好，而且能夠讓用戶不用跳出APP就能點擊閱讀原網頁上的其他新聞鏈接，保證了用戶體驗的連貫性。

此外，“今日頭條”還較早地建立了社區系統，引入了QQ、微信、微博等賬號體系，評論、話題、活動等功能模塊的設置行為對其用戶活躍度的提升非常明顯。

“今日頭條”2.0：廣告精準化

在技術思維的推動下，今日頭條不斷將運營效果優化，幫助廣告主借助智能分發實現營銷價值的最大化，對精準廣告研究出新的做法。

張一鳴說，今日頭條是一家技術公司，管理團隊中半數人都會寫代碼，產品經理甚至HR都會寫代碼。商業化產品的負責人也會技術算法，因此今日頭條的商業產品是技術驅動的。事實上，當今日頭條的編輯智能化模式被很多競爭對手抄襲后，它選擇了通過更深化的應用來鞏固自己的領先地位。張一鳴提到，與今日頭條相似的產品正在四處上線，傳統新聞客戶端也陸續改版上線“推薦”頻道，瀏覽器也做起了“推薦”，甚至電商類平臺都有了自己的頭條，而BAT已全部開始做算法推薦了。

這時，今日頭條迅速拓展信息分發以外的應用，即商業化能力。

廣告的個性化分發模式其實也并不新鮮。Google是最早做到根據用戶的搜索關鍵詞提供個性廣告的。Facebook也提供個性化廣告，并且開創了很多新的廣告模式，使廣告變得好玩有趣，形式與內容更接近。

張一鳴說，今日頭條精準的廣告依靠的是個性化推薦算法。根據用戶特征、環境特征、文章特征等數據進行組合推薦。這背后是數據挖掘、神經網絡、自然語言理解、機器學習等人工智能技術的支持。

具體如何去做呢？張一鳴介紹了以下幾點經驗：

第一，廣告信息化。

從廣告的生產方面來說，現在需要像做內容一樣去做廣告。

在智能分發時代，廣告信息化是張一鳴認為的一個趨勢。因為個性化推薦的是信息，而廣告也是信息的一部分，它是有商業價值的信息，而不是強行插入的一種干擾閱讀的模式。

今日頭條的目標是讓廣告成為一條有用的資訊，即廣告必須具備可讀性，能直接產生價值。如新品上市信息或試駕活動，這種既具備商業價值同時又具有可讀性和可服務性的廣告，今日頭條就把它作為正常的內容推薦給用戶。

2012年初，張一鳴去見投資人。當時投資人說，移動屏幕這么小，廣告的展示位相應也少，你們廣告肯定很不賺錢。但是今日頭條推出了信息流廣告，生產出來的廣告可以像信息一樣分發，信息流廣告可以不斷刷新，沒有展示位數量的限制，更不會像以前的廣告那樣打擾用戶體驗。可以說，廣告就是一種信息。

今日頭條的廣告都很明確地標注了廣告字樣，但是因為推薦精準且都是有用的資訊，所以轉化率很不錯，很多用戶不會介意它是廣告。這也是張一鳴認為頭條廣告ROI更佳的表現。

互聯網平臺信息流廣告有Facebook、Twitter、Instagram等。Facebook在2011年推出信息流廣告，此形式推出后迅速從PC端延伸至移動端，整體上改變了Facebook的營收結構。

第二，分發自動化，技術性運用讓投放更高效。

今日頭條現在可以根據大數據將同一個廣告做成幾十版素材，真正做到滿足不同人的不同需求。

今日頭條目前不少商業化合作都進行了上述方式的嘗試，取得了超出預想的效果。例如，今日頭條與亞馬遜在“世界讀書日”開展的一場“好書遇見你”的合作就是典型示例之一。

另外，分發技術的成熟，也給品牌廣告主帶來更多的選擇，比如說做品牌廣告投放時也能具備程序化、技術性調整廣告的效果，讓自己的品牌廣告在投放過程中完全可控，在保量的同時隨時同步變化調整廣告的量，做到真正的品效合一。這即是當下備受廣告主青睞的新型廣告投放模型——PDB（私有程序化購買）。

今日頭條在短視頻營銷方面提出POE衡量價值體系，從曝光、轉化及用戶主動行為3個層面更為精準地評估及衡量視頻廣告的傳播效果。

今日頭條3.0：內容生態化

“頭條號”是今日頭條率先推出的自媒體原創上傳平臺。“頭條號”較微信自媒體有很多改善。微信公眾號形成了一個封閉的閱讀圈，推薦機制主要靠朋友圈。一方面，好文章出來，朋友圈往往被刷屏；另一方面，大號擁有粉絲量眾多，也更容易被分享，但中、小作者卻很難獲得微信的任何導流。

“頭條號”通過機器智能推薦，給作者帶來可觀的流量，通過頭條號指數進行管理，并通過“頭條號”廣告平臺與讀者廣告收入分成，鼓勵作者持續創作，也借助原創內容的豐富提高廣告價值。“頭條號”的推出，讓“今日頭條”從內容分發渠道變成內容孵化渠道，并從工具型產品、服務型產品過渡到形成內容生態圈的生態型產品。同時，在運營手法上，“今日頭條”增加了很多人性化的色彩。

隨著4G和Wi-Fi的普及，短視頻消費迎來爆發期，視頻廣告的形式也順勢成為新主流。今日頭條迅速抓住了這一機會，調動內部資源支持短視頻發展。張一鳴表示，今日頭條目前視頻每天有10億次播放，每天播放時長達到2800萬小時。在“今日頭條”平臺上，用戶觀看短視頻量呈現快速增長趨勢，視頻流量在不到1年的時間內就趕超了圖文流量，信息走向視頻化。目前來看，今日頭條已成為國內最大的短視頻平臺（如下圖所示）。

張一鳴舉了兩個在今日頭條做視頻的頭條號的例子：

第一個叫“坤哥玩花卉”。坤哥是《中國花卉報》的一名記者，精通花卉養殖，他在頭條號上傳家庭養殖教學視頻，長度在2～4分鐘。有45萬人向他學習了如何種菠蘿，43萬人學會了如何扦插虎尾蘭，16萬人看了視頻后開始在家學種杧果，22萬人對種金錢樹感興趣，24萬人想要種辣椒，最受歡迎的則是豬籠草種植，累計有765萬人觀看了教學視頻。

第二個頭條號叫“魔術師林劍偉”。這位魔術師會把自己變魔術的方法、技巧在5分鐘的視頻里傾囊相授。他的視頻列表里，152萬人學會了手機入氣球魔術，191萬人學會了街頭換牌魔術，105萬人學會了香煙盒漂浮魔術，103萬人學會了撲克穿越鈔票魔術。

在信息視頻化趨勢下，短視頻廣告消費無疑將成為移動營銷下一站的風口。因為視頻較圖文而言，有著天然的優勢，它比文字和圖片具有更好的感官體驗，能更高效地傳播，而且短視頻制作成本和門檻相對較低。今日頭條果斷推出舉措，重點扶持短視頻內容創作。2017年初，在華北、華東、華南三地都開展了頭條系列視頻商業產品的推介，以多樣的視頻商業產品更好地服務于品牌商。

今日頭條正在嘗試讓人工智能直接介入創作。一個名叫Xiaomingbot的AI機器人，在2016年的整個奧運會期間，寫了400多篇新聞稿，一條稿件的寫作時間平均下來不到兩秒鐘。Xiaomingbot可以通過獲取網上對相關賽事的文字和討論，總結歸納生成一篇較長的賽事資訊文章，并且還能自己選圖。最后AI寫的稿子大概有100多萬的閱讀量。有媒體對比了“今日頭條”和《華盛頓郵報》的寫稿機器人，發現今日頭條的機器人不但信息量更豐富，能寫配圖長文，而且文字也更生動有趣。

這個AI機器人是頭條實驗室和北大計算機所合作完成的項目，也是國內第一個綜合運用了自然語言處理、視覺圖形處理和機器學習技術的寫稿機器人。

此外，頭條實驗室現在還在研究如何用人工智能的算法去幫助頭條號作者選出更好的圖，或者取一個合適的標題。

傳統意義上的問答，基本都是社交模式，存在很多的問題，但在張一鳴看來，這恰恰是人工智能和算法可以解決的。比如，頭條號是靠算法來幫助用戶找到回答問題的合適人選。在同一個問題下，機器會知道怎樣排序能夠對不同的用戶產生更佳的效果。另外，算法現在還在嘗試在熱門事件里自動生成問題并且配插圖。

知識和推理是人工智能領域的研究難題，也是最核心的問題。它的研究一般會涉及深度學習、概率圖模型、矩陣分解和稀疏方法、核方法、決策樹等。這項研究成果也正在頭條問答項目中應用。張一鳴希望對一些簡單的問題和事實類的問題可以通過自動回答的方式去解決。這樣就可以節省專家人力。今日頭條2017年3月擁有800名工程師，每天150億條訓練樣本量，20000臺服務器，每日處理數據6.3PB，用戶請求60億次。

今日頭條嘗試用智能的手段解決低劣內容的過濾問題，同樣取得了事半功倍的效果。張一鳴說，增大信息吞吐量最大的瓶頸是怎樣更快地過濾篩迭出低劣內容。在此前算法不成熟的情況下，今日頭條有一個小組會和機器一起來進行低質文章的初篩，也就是機器先圈出一個范圍，再由人工來完成細致的篩選。今日頭條每天通過篩選呈現的文章超過15萬篇。

一般來說，一個人一天能夠處理的文章數量大概是1000篇。相比之下，機器一秒鐘就能處理100篇文章。也就是說，如果將這15萬篇呈現出來的文章，全部交由人工來篩選的話，一個人需要工作150天才能完成，而機器則只需要25分鐘。

可能很多人會覺得，人工審核會比較準，但張一鳴則稱，今日頭條內部做過測試，把文章打上不同的標簽，讓不同的人來判斷。這時候就發現，人和人之間的判斷差別是很大的，準確率大概是75%，而算法的準確率則有87%之多。

更重要的是，相比人工，算法的邊際成本可以低到忽略不計，并且算法還能不斷學習。今日頭條后來更新了初篩的算法，現在今日頭條上低質文章的初篩已經不再依賴人工，而是全部由機器完成。當然，初篩之后，今日頭條還會通過人工抽檢等手段來配合機器的工作，讓它們變得更聰明。

2017年2月份，今日頭條宣布投資印度的Dailyhunt是當地最大的信息分發平臺。早在2015年6月，今日頭條就已經啟動國際化，通過Build&Buy的方式在海外擴張，現在在日本、印度、東南亞、北美、巴西，今日頭條都有一些布局。截至2016年年末，今日頭條已經在海外擁有1200多萬的用戶量。