抖音直播间的底层逻辑

抖音本质是互联网产品，产品的背后是算法，想要做好直播带货，就必须要理解抖音底层的算法体系。流量、指标、标签、权重，构成了直播间的底层体系。

01.流量

流量作为底层算法最基础的要素，用于衡量直播间的观看规模。

以场观大小分成几个维度大致可分为：

E 级：百人场观；

D 级：千人场观；

C 级：万人场观

B 级：接近 10 万人的场观；

A 级：几十万人的场观；

S 级：百万级的场观。

02.权重

权重决定推流的“量”

权重是指某一因素或指标相对于某一事物的重要程度，其不同于一般的比重，体现的不仅仅是某一因素或指标所占的百分比，强调的是因素或指标的相对重要程度，倾向于贡献度或重要性。通常，权重可通过划分多个层次指标进行判断和计算。

用大白话通俗点说，就是系统对每一个账号做出的评价，而这个评价是通过综合数据来衡量得出，对你评级越高，代表权重越高，获得的流量就越多。

抖音电商里「权重」主要分为：基础权重和实时排名权重。

1、基础权重

基础权重就如上文所说，每一个账号都不同，系统会在一定周期内根据账号的综合表现从而决定权重等级，且并非固定，不进则退，优胜劣汰。

两个不同的账号，案例A开播第一波推流是千人场观，而案例B则是百人场观，可以明显的看出两个账号不在一个量级。

所以，账号的基础权重决定了开播推流的“量”。

2、实时排名权重

上文我们讲到每一个账号都会有基础权重，开播后的推流的量级是由权重层级决定，但直播间就像一个蓄水池，如果没有新的流量进来，很快直播间就没有人了，那后续流量的分发机制是什么样的呢？

抖音采用了实时赛马机制，就是当你开播获得一波推流之后，后续还想要流量，就需要跟你同层级的竞争对手一起进行PK了。

系统每时每刻都在进行排名，5min、30min、60min，抖音直播流量的不断进行赛马机制，筛选出优质的直播间，分配更多的流量给到优质的直播间。

03.标签

标签决定推流的“质”。

标签是平台识别用户身份的符号。每一个抖音用户都会被系统打上标签，算法从而给用户推荐更加精准内容；同样，对于我们创作者也是会被系统打上标签，算法会根据标签给我们推荐精准的用户。

抖音标签主要可以归类为这三类：基础标签、偏好标签、交易标签

1.基础标签

基础标签包含用户的性别、年龄、地域等基础信息，具备基础标签的直播间，算法会提供满足基础标签的用户流量。

大多数直播间，只要开播超过一周，算法会通过学习摸索到开播直播间的基础标签，这时候会发现，原本男女、年龄混杂的用户，开始变得精准化。

2.偏好标签

偏好标签包含用户的直播倾向，即喜欢在什么类型的直播间互动。

具备偏好标签的直播间，你会发现算法推送进来的用户，开始喜欢停留，点赞，但未必热衷购物。

因为这类型只是偏好，并非交易决策的目标人群。

3.交易标签

交易标签包含用户下单品类、购买频次、客单价等属性。

当一个直播间已经有交易行为的用户越多，那么其交易指标的完成度就越高。

但一个直播间的低客单价交易频率较多，那么同样也难以承载高客单价。

总而言之，一个具备良好交易标签的直播间，往往就是我们说的标签精准的直播间，转化率远远高于新号水平。

04.数据指标

当我们了解「权重」和「标签」，但落实到实操就需要关注到具体的数据指标了，平台风向一直在调整，具体有哪些关键性的核心指标？

指标作为衡量直播间质量的标准，并不是单一存在，而是涉及到三个层次：

用户行为 商业价值 流量规模

与此对应的就是：

互动指标 交易指标 流量指标

1.互动指标

互动指标包含直播间所有的用户行为，如停留、点赞、评论、关注、加粉丝团、分享等都属于互动指标。

停留，是所有互动指标里最基础，也是最重要的指标。

首先，所有数据的产生都必须以停留为前提。

其次，评论大于点赞，但又弱于关注、粉丝团、分享。

互动指标大体上反映了一个直播间的人气状态。

从算法判断的角度，是衡量直播间能否有效留住用户的重要维度之一。

如果说一个直播间互动指标做的好，数据回传到数据库，通过与竞争对手的互动指标对比，数据好于对方的情况下，账号就可以优先获得系统的推荐流量。

2.交易指标

一个账号的流量增长，光依靠互动指标并无法长期驱动。一款商业化产品的终点一定是盈利，直播间同样也是。

能够有效获得停留，只是证明了目标直播间的留人能力，其次还要考量留人之上的变现能力。这时候涉及的就是交易指标。

一切跟交易行为相关的指标，均为交易指标。

交易指标仍然可以被拆分为交易行为与交易数据。

交易行为包含购物车点击、商品链接点击、订单创建等；

交易数据包含 GMV、UV 价值、人均 GMV 等。

遵循“最基础的指标就是最重要”的原则，在交易行为当中，购物车点击为最核心的指标。

没有购物车点击，所谓的转化成单都是泡影。

同样在交易数据当中，UV 价值作为最小的单元，地位首当其冲，UV 价 值*场观得出 GMV，GMV/下单人数得出人均 GMV

3.流量指标

互动指标、交易指标决定了直播间的数据体现，而数据体现对应的即是流量指标，如场观、峰值等。

场观大体上决定了直播间在过去几场当中的指标体现，峰值则分为开场峰值跟推荐峰值。开场峰值同样受历史模型的影响。

举个例子，一个账号只要开播，就会在直播广场里占有一席之地。但是这个位置能否靠前，得到更多的流量推荐，就需要看往期直播的质量。

如果一个账号在多个高位点下播，那么推荐机制就会按上一次的推荐机制位置重新推送，让直播广场源源不断地为你的直播间上人，这就是我们经常说的卡直播广场。

而推荐峰值，则更多受直播过程中的实时数据影响。一个直播间开播，若开场前半小时的整体承接能力不错。

那么在后续的两到三个小时的直播过程，系统对于流量的推送会远高于同级别账号。

而算法的计算，则是依赖于直播过程中交易指标的表现。

但是算法的衡量并非半小时为周期，而是实时的计算，并带有延迟性的流量回传。