《短视频完播率风险函数、推荐反馈环与自动化获客漏斗》各章定量结论
以短视频获客的人普遍相信三条经验法则:前三秒决定生死,完播率是唯一重要的指标;平台先把新视频推给约 300 人,没过第一关的就是坏视频;播放越多越好,钩子越宽越好。本书把三条法则写成 16 段可运行的程序逐条检验。书中的威布尔参数、流量池规模、转化率、价格(令吉 RM)与封号概率都是示意模型参数,不是任何平台、账号或企业的数据;本书不描述任何平台的真实算法,也不构成营销或经营建议。
DOI 10.5281/zenodo.24090213 · 阅读本章所在专著 · English version
- 第 1 章 · 划走的动力学:威布尔风险函数
第一章用威布尔风险函数描述划走:在递减风险下,60 秒视频的划走有 0.320 发生在前 3 秒,而完播率随时长下降得比指数模型慢得多(60 秒为 0.145)。 - 第 2 章 · 分级流量池与第一关的误杀
第二章模拟分级流量池:300 人样本下,即使各池观众相同,好视频也有 0.169 在第一关被拦下,观众差异下为 0.308 至 0.478;对冲噪声应重剪而不是重发。 - 第 3 章 · 反馈环、马太效应与可被「刷」的指标
第三章说明推荐反馈把运气放大为差距(点赞基尼系数从 0.214 升到 0.964),并证明完播率与观看时长都能被剪辑长度刷高:留存力最弱的 7 秒视频完播率最高(0.544),按同时长基线归一才能恢复真实次序。 - 第 4 章 · 钩子宽度的逆向选择与落地时机
第四章求出钩子宽度的现金最优 0.314(每天 RM 2,534),最宽的钩子带来 10 倍于最窄钩子的播放,却只剩每天 RM 545;注意力残留模型给出 7.59 秒的最佳出价延迟,而先讲完故事可使转化提高到 1.246 倍。 - 第 5 章 · 从播放到现金:滞后、厚尾与关联封号
第五章模拟从播放到到账的现金流(回本日中位数为第 35 天),并说明共享设备的账号矩阵一年失去八个以上账号的概率从 0.0019 升到 0.2353。 - 第 6 章 · 证据:A/B 测试、幸存者偏差与早期预测
第六章显示付费转化的 A/B 测试每组需要 42,691 名观众,偷看式停止使 0.239 的无效测试被宣告显著;只学头部账号会推荐平均收入更低的惊悚钩子(RM 1,250 对 RM 1,647);以前三天预测全年会低估 0.602。 - 第 7 章 · 揣情、章句与买椟还珠
楚人把匣子装饰得过于华美,郑人买下匣子,退还了珍珠:这可以说善于卖匣子,却不能说善于卖珍珠。宽钩子就是一只华美的匣子。程序的第三部分以第四章的模型计算「买椟者」的比例,即被钩子吸引来、但按最窄钩子的转化率衡量不会购买的观众:现金最优宽度 0.314 时为 0.256,宽度 0.6 时为 0.660,最宽时为 0.950。最宽的钩子带来的观众,二十个里有十九个是来买匣子的。 - 第 8 章 · 十项审计与一项以视频为单位的预注册实验
第八章给出十项自动审计与一项以视频为单位随机化的预注册实验(每组 88 条视频)。书中以标注框区分证据、可运行的 Python 程序、原典与假说。
模型示意算例,非实时报价