产品学习笔记｜ 好文章拆解学习
经常会在网上看到一些好文章，虽然跟工作内容没有太直接的相关性，但拆解别人分析问题，解决问题的思路确实可以收获很多启发；可以自己先想一遍，再看别人是怎么思考的。
为什么会关注这个问题，是因为自己也在做内容产品，对于内容分发领域，算法分发占据内容消费的主要比例，比如抖音快手这些平台，但是像爱奇艺等长视频平台就没有感受到算法的强主导权。
看到这个问题的时候，我的思路是要明确长视频和算法推荐的概念特点、应用场景，然后考虑二者的匹配度；但是对算法推荐了解的不够，所以思路就被阻断。
作者的思考角度很值得学习，总结如下：
1 考虑的点主要有两个
1）长视频与算法的匹配度（这个自己也想到了，就是不知道怎么再展开分析）2）商业上的ROI是否可行
2 开始分别分析长视频和算法推荐的特点
算法要起作用有两个关键的条件，第一个是算法模型（发动机），第二个则是数据（原料）
思路：重点分析数据是什么，以及长视频和短视频在数据方面的差异和影响，得出数据效果的差异对算法模型强弱的影响，对推荐准确的影响（长视频的算法更弱一些）
数据是指用户的行为数据，具体来说是用户和平台内容的交互数据；因为长视频和短视频的时长特点，导致二者数据量级不一样，这造成---首先是短视频比长视频的用户更加下沉，应用场景更多、相同时长内，用户消费的视频数量和交互数量不在一个量级
更大量的用户、更碎片化的消费场景、更短轻快的内容单元、更高频的交互，导致短视频产生的交互数据远远超过长视频，这就会给算法不断提供大量燃料，相较之下，长视频的算法就会更弱一些
3 进一步分析另外的影响算法匹配必要性的因素——供给、决策模型、单次消费的内容单元数量
长短视频的供给量级也不再一个维度，长视频相比短视频，生产成本高；头部供应稀缺，影视剧就这么多，算法的匹配必要性没短视频强。
长短视频的消费决策模型也是不一样的，短视频可以完全依赖系统，长视频则更加依赖外部；长视频需要人找内容，有比较高的选择成本，有时候也依赖站外决策（头部内容供给的稀缺）；这也导致没有必要应用算法推荐。
90分钟的时间窗口，长视频只够看一部。对比短视频，用户在单次使用产品中消费的长视频数量过少，算法匹配的必要性就弱。
4 分析第二个点——商业可行性
这一点的分析思路：长视频和算法分别怎么赚钱
“长视频的成本主要是内容采购/制作成本；收入是靠这些内容来创收，比如提供更多独家好内容和免视频播放广告等增值服务来收取会员费，在长视频中插入广告等。”
而算法是通过掌握流量分发权来插入广告进而赚钱，长视频赚钱是靠内容本身（买版权、自制），而不是流量分发权。
5 最后总结
算法匹配在长视频中的必要性较弱，技术能够发挥的威力也弱，同时商业上助益也不大，所以在长视频领域，没有强算法推荐的产品。
再梳理一下作者的思路：
1 长视频和算法的匹配度
（1）能不能用算法，算法效果如何？——分析算法特点
1）数据：长视频没有短视频交互数据多
2）算法模型：长视频算法更弱（但并不代表不准）
（2）有没有必要用算法（必要性）——分析长视频特点
1）供给：头部、中心化供应模式，没必要算法匹配
2）决策模型：选择成本高，头部内容稀缺，依赖外部决策，没必要算法匹配
3）单次消费的内容单元数量：90分钟的时间只够看一部长视频，没必要算法匹配
2 商业可行性
（1）长视频怎么赚钱：（内容本身）不管是插广告，还是去广告，都靠内容来吸引人
（2）算法怎么赚钱：（掌握流量分发权插入广告来赚钱）
二者匹配度也不高
