短视频类产品设计解析

2021年04月09日17:15:05 发表评论 122 次浏览

最近期间,基本都在负责爱奇艺短视频产品的设计。这一产品的基本形状,是feed流,也是如今应用很宽泛的一种产品形状。今日总结了在设计时的部分须留意的困惑,跟大家分享。

一、Feed流

Feed这一概念,最早产生在网页时代,它是指“RSS中用来接管资料起源更新的接口”,最早应用在RSS浏览器中。

什么是RSS浏览器?

这样工具太悠久了,我在网上查了一下,简略来说,就是一个能够搜集你关心的网站更新内容的一个应用。比方说:你很关心韩寒的博客,也很喜爱某科技网站的信息。你就能够在RSS浏览器中,参加这两个网站的网址;当它们有更新的期间,你就能够在RSS浏览器中集中看到这两个网站的更新内容,而不必别离关上两个网页了。

在这一阶段,feed是以相似邮件那样的列表进行出现,还没能齐全活动起来。

真正让Feed活动起来的,是Facebook:它供给了一种新的思绪,将好友或是关注的群体算作资料源,此时的feed即是好友的动态,如好友公开发表的内容还有他们在Facebook上的社交行为。用户只要轻松地面下滑动,就可将好友产生的事件一览无余,许多人对此没办法自拔。

这一阶段的feed流,用户必需先关注好友,然后能力看到他们公开发表的内容与社交行为。后来,跟着feed流这样形式逐渐遍及与翻新,feed流中的内容已经不局限在用户必需先关注能力看到,而是变成“继续更新并出现给用户的内容都叫做feed流”,最典型的例子比方2021-04-09 头条,它会按照用户的趣味一直推送各种信息。

Feed流这样种类的产品有个明显特别之处:内容是从上到下依次陈列的,跟着屏幕小得多的手机的遍及,一个困惑凸显出来:动态(feed)太多,但屏幕大小有限,该如何有作用的展现这些动态?

feed流表示

为深入认识答这一困惑,feed流产品的设计发生了两个中心困惑:

应该展示给用户什么内容?这些内容应该怎么排序?

对于第一点,产品展现的内容重点由产品的定位决议。

对于第二点,重点有三种内容排序的办法:

时间排序法;重力排序法;智能算法排序法。

下边依次讲解。

1. 时间排序法

这样排序法最简略粗暴,就是根据内容公开发表的时间先后进行排序,最典型的案例就是微信伙伴圈。

关于伙伴圈来说,feed流的两个中心困惑如下:

应该展示给用户什么内容:用户好友发的内容;这些内容应该怎么排序:根据公开发表时间先后顺序。

时间排序有一个致命的毛病:内容出现效率最低。使用这样排序,须内容的供给方非常克服,并且也须用户对这些内容足够关注。

伙伴圈刚好符合这两点:

内容是微信好友公开发表,注定不会大量更新(微商除外);微信好友大多是熟人关系,可以导致用户足够的关注。2. 重力排序法

什么是重力排序法?

它是由重力与拉力,都有决议feed流中内容的排序。所谓的“重力”,是继续让内容在feed流往下掉的力,即时间;而拉力,即让内容排序往前的力。这一拉力,由应用按照本人关注的参数来决议,比方豆瓣小组的回应、贴吧的回复。

也就是说,在知乎上被赞得多的帖子,或是贴吧里得到更多回复的帖子会更靠前。能够看出,重力排序法其实是在时间排序法上加大了拉力这一要素。

关于feed流产品的两个中心困惑,运用重力排序法的产品,是之下规则:

应该展示给用户什么内容:一群用户体现出爱好的内容推给某个用户;这些内容应该怎么排序:分期衰减与内容受欢迎程度综合排序。

一个典型的使用重力排序的例子,是豆瓣中“我的小组”里小组的排序:此处的拉力,是帖子的回复。有最新回复的小组,会被放在feed流的顶端展示。

值得留意的是,在重力排序法中,因为知乎的赞、帖子的回复,都是其他用户的行为,所以用户自己看到的feed流,理论上会遭到大家的影响,这里面包括很多热度较高的内容。

3. 智能算法排序法

相信大家对这样排序法不陌生,如今各大应用都在竞相运用,比方2021-04-09 头条、知乎、微博,应当,也有咱们爱奇艺; Facebook是最早开始运用这样算法,而且运用后据称成果拔群,于是逐渐增多的社交网络放弃运用时间排序法,转而投入智能举荐排序的怀抱。

以Facebook最早时期的EdgeRank算法举例,影响feed流排序,重点有三个要素:

亲密度(Affinity Score):思考该资料的起源者与你之间交流是否频繁密切。例如你女伙伴发的一条状态一定比某个不太熟的同窗发的要重要。生产本钱(Edge Weight):本钱越高权重越大,例如好友公开发表了9张图片的本钱比起发了9个字本钱高,前者就会被优先举荐;又例如公开发表的本钱远超过点赞,所以原创内容的优先级超过由于好友点赞而被你获知的报。陈腐程度(Time Decay):越近产生的事越容易被举荐,一般都是用一个指数衰减函数来量化动态的新旧程度。

这三种要素通过一个公式,计算出每一条feed对用户的价值分数,然后排序后出现在用户面向。后期Facebook又引入机器学习,通过图像辨认、语义分析等去估计陈腐事的品质,并且引入更多判别维度,例如:浏览时长、视频内容、用户反应等,去综合判别一条报的价值分数,使得算法愈加聪慧,更懂用户。

能够看出,智能举荐排序法,将用户关心的内容进行了愈加细化的测量,从而将用户自己更感趣味的内容推送出来,而不是重力排序法中,那些抢手的内容。

但是,智能举荐也并非十全十美。这样排序法,对算法的品质规定较高。假如部分技术相当差的公司,冒然运用智能排序法,反倒会起到副作用。另外,因为智能排序的不透明性与扩大性,适度的商业化容易变为用户体验的头等凶手。

总结一下,关于之上3种排序法,运用时须留意之下的困惑:

假如抉择时间排序法,这样就须思考用户关注的内容是否足够有吸引力。假如抉择重力排序法,这样就须思考该怎么抉择参数保障最后的展示成果。假如抉择智能举荐排序法,这样就须思考是否有足够的技术实力与产品自制力。

之上讲解了feed流这样产品的特别之处,下边讲解在为这样产品做设计时的部分心得。

二、部分心得1. 关于feed流类产品,卡片高度很重要

首先说一个简略粗暴的现实:减小卡片高度能立竿见影得提高feed流数据!

上边也讲解过,关于feed流类的产品,屏幕有限,内容又许多,因而效率就变得尤为重要。上边讲解的3种排序法,也是在处理内容展示的效率困惑。

而关于feed流这样产品中,每位feed的卡片高度,就决议了一屏中能展示多个feed内容。下边展示的是通过精简内容、扭转排版等办法,将卡片高度缩小了30%后得到的新方案:

该方案上线后,各条关键目标均有显著增长,这里面播放次数与播放时长均增长20%之上。

2. 按照场景优化feed流的卡片

卡片优化了之后,很开心得把举荐与关注两个tab都变成了新的卡片,然而很快,关注tab产生一个困惑:因为这一tab里都是用户关注的爱奇艺号发出的内容,因而会产生一切卡片共同个“已关注”按钮,用户点击这一按钮,就会撤消关注。然而,咱们并不想用户这么随便的取关啊。

如何处理?再改。

思考到关注tab是用户主动关注的爱奇艺号公开发表的内容,对用户吸引力更大,因而指盼用户能在这一tab里有更多的互动(点赞、评论、分享)。同时为了突出爱奇艺号作者的资料,将之放在顶部,于是得到下边的优化方案。

能够看到这一卡片跟最在此前的卡片很类似,但这一卡片的确更适宜关注tab,而不适宜举荐tab。所以,要对准不一样产品的特别之处来设计适宜的卡片。

3. 主动反击,表现交互的价值

做一款产品,要尽或许多地运用本人的产品,这种才有或许更理解产品,并且也能发现部分优化点。例如:之下是在一次运用全屏方式观看短视频时,发现视频完结后会自动回到feed流。因为运用全屏方式后,手机横置,而回到feed流方式,须把手机竖过来,体验上相当打断,因而跟产品提出优化,在全屏方式中参加全集性能,便利用户在手机横置时能够运用横屏始终观看视频。

全屏方式观看视频完结时前往feed流

另一个例子,是在做视频播放页时,和产品探讨播放页中评论与视频列表究竟应该采取何种样式进行设计。笔者在钻研了竞品,分析了两种页面形式之后,发现这两种页面,有着不一样的产品指标。

在腾讯视频的第二个底部标签“热点”中,用户点击某个视频卡片中交互栏的空白处,则会从右向左产生一个新页面,即播放页。

如下图中第二张图所示:

腾讯视频app中短视频播放页表示

在该播放页中,点击题目下方的评论按钮,会从下向上产生一个浮层,这里面展示“全副热评”;浮层的顶部有评论的输入框,点击能够输入评论;“为你举荐”一些展示的是一张张宽度与屏幕一样的、和热点标签feed流中齐全相同的视频卡片。点击某个视频,则视频在现在地位间接播放。

在西瓜视频的“首页”标签中,异样点击某个视频卡片中交互栏的空白处,则视频封面移动到页面顶部,并且从上向下展开播放页的其它内容。在这一页面中,题目下方那些举荐的视频,以列表的形式展现,点击某个视频,则顶部的播放器开始播放新视频的内容,并且页面其它资料也更新为新视频内容。

而评论一些,是接在举荐的视频的下方:即用户一直向上滑动,就能够看到。在页面底部,有常驻的评论输入框,点击后即可输入评论。

西瓜视频app中短视频播放页表示

将这两个播放页形象出来,得到如图所示的资料结构表示图:

腾讯视频与西瓜视频播放页比照

从上图能够看出,腾讯视频在播放页强调的是举荐的视频内容,推测其产品指标是晋升视频播放量;西瓜视频在播放页强调的是评论互动,推测其产品指标是晋升播荐率、评论率等互动目标。

从上边的分析比照中能够看出,不一样的方案,会将产品引向不一样的数据结论。存在这种的比照,与产品探讨方案也变得有理有据了很多。

之上跟大家分享了本人在支助短视频类产品的部分心得,总结一下有之下几点:

Feed流类的产品,须思考两个中心困惑:应该展示给用户什么内容、这些内容应该怎么排序。Feed流的排序有3种办法:时间排序、重力排序、智能算法排序Feed流里,卡片的高度很重要。要尽或许减小卡片的高度。不可以盲从套用卡片到不一样的产品中,要跟进产品的特别之处与场景来运用不一样的卡片。算作交互设计师,要多体验本人支助的产品,跟产品提出优化点,博得更多主动。分析不一样交互方案对产品,尤其是对产品数据的影响。

欢迎留言探讨,都有进步。

以上就是针对“”做详细介绍。如果大家有不明白的地方,可以在线咨询客服。

  • 我的微信
  • 微信lan31000
  • weinxin
  • 我的头像
  • 我的微信扫一扫
  • weinxin