剧和长剧仿佛生活在两个平行世界。

短视频平台奉行的是“内容找人”的逻辑：海量ugc/pugc短剧被投入平台巨大的内容池，由算法主动匹配给感兴趣的用户。

用户只需不停刷屏，算法就源源不断推来短剧，新内容层出不穷。

由于单个短剧视频时长很短，用户在相同时间内可以观看几十上百条内容，与系统交互频率极高。

点赞、完播率、评论、转发等行为数据滚雪球般增长，成为算法的燃料。

在抖音的推荐系统中，新发布的短剧视频会被投入初始流量池测试，根据完播率、点赞和评论等数据决定后续推荐权重，再分层次扩大曝光。

可以说，短剧高度依赖算法分发，没有强大的个性化推荐，这么庞大的内容供给和碎片化消费根本无法有效连接。

反观长视频平台，一直以来更偏“人找内容”的传统模式。

长剧数量相对有限，每年国产长剧产量不过几百上千集，头部剧更是凤毛麟角。

用户在这些平台主要通过首页人工运营推荐、分类导航或搜索来寻找剧集，而非纯粹算法无差别地信息流推送。

即便号称算法见长的奈飞，其首页仍是精心排列的内容分类和热点，而非像抖音那样让用户被动刷到下一部剧。

长剧内容消费更中心化——热门剧放在首页轮播，观众也常由站外口碑（微博热议、豆瓣评分等）决策观看。

由于单部长剧动辄40分钟一集、总时长数十小时，用户观影成本高。

因此长视频平台获取的交互数据远少于短视频，算法抓手有限，两者完全不在一个量级。

这直接导致算法在长剧中的作用远不如短剧显著：长视频平台至今没有诞生类似抖音那样纯算法驱动的产品，主要消费模式还是靠内容本身吸引力和用户自主选择。

字节跳动纵横信息分发领域，却迟迟未能在长视频上复制抖音的奇迹，正是因为长剧与算法推荐的契合度先天不足。

换句话说，短剧的推荐算法更像一台高转速发动机：依赖海量的用户行为数据作为燃料，快速试错、迅速迭代，秒针般捕捉用户兴趣。

而长剧的推荐更像人工把关的慢工：内容体量大而精，产出有限，平台更倾向于用人工运营和用户口碑来驱动分发，算法退居辅助地位。

短视频平台上是算法挑选用户，长视频平台上则是用户筛选内容——两种框架的差异，注定了短剧与长剧在算法世界里的不同命运。

长视频平台的算法，偏后期反馈。

国内的长视频平台的用户画像，全都是垃圾。

都搁那研究广告，研究饭圈，研究噱头，研究炒cp，研究卖周边，研究欺上瞒下……

李明洋花费巨资在戛纳买了那么多片子，就是为了收集资料。

用户特征，如年龄，性别，地域。

内容特征，如影片类型、导演、演员、剧情简介。

以及用户与内容的交互特征。如观看市场、评分高低等。

这些都是长视频算法最需要的。

奈飞为什么用户画像那么牛逼，可以精准自制。

靠的就是dvd租赁服务，

章节内容不完整，请退出阅读模式查看完整内容！