今日头条让人上瘾的数据挖掘

编辑导语：“今日头条”是一款基于数据挖掘技术的个性化推荐引擎产品，它为用户推荐有价值的、个性化的信息，供连接人与信息的新型服务，是国内移动互联网领域成长最快的产品之一。今日头条的数据挖掘虽然可以精准的推荐我们所喜欢的内容，但同时也像精神鸦片一样令人上瘾，本文作者基于此做出了他的分析。

文章插图
由于某一些不可抗拒的力量，让今日头条的产品在海外受阻，同时还有其他的企业。但是，我们对于这些力量看看就好。本文将从两个角度即：产品+技术的层面来看看今日头条和抖音，让我们对今日头条的产品有个了解。当然仅限我个人在有限的资料以及认知层面，进行浅显的分析，首先我们需要知道两款产品都有着相似的一点，就是好玩同时能够让每个人（全世界）都喜欢。抖音表现出一款好的产品是能够让所有人都能够完全的自由创作，记录每个人的生活。在开始之前我们需要对于抖音和今日头条的数据有个大致了解，以下两组数据记录了抖音和头条的发展历史。今日头条：一款基于数据挖掘的推荐引擎产品。

截至2015年12月，今日头条累计拥有激活用户3.5亿，日活跃度超过3500万。

其中，“头条号”平台的账号数量已超过4.1万个，各类媒体、政府、机构总计超过11000家；签约合作的传统媒体过千家，“头条号”自媒体其账号总数超过3万个。抖音：技术层面一样的搜索引擎。自2016年9月于今日头条孵化上线，定位为适合中国年轻人的音乐短视频社区，应用为垂直音乐的UGC短视频，2017年以来获得用户规模快速增长。抖音国际版TikTok的下载和安装量曾在美国市场跃居第一位，并在日本、泰国、印尼、德国、法国和俄罗斯等地，多次登上当地App Store或Google Play总榜的首位。据抖音产品负责人王晓蔚2017年9月2日表示：“85%的抖音用户在24岁以下，主力达人和用户基本都是95后甚至00后。截至2018年10月，该应用程序已被150多个国家的超过8亿全球用户下载。”

2020年5月份Sensor Tower的最新数据显示，“抖音”及海外“TikTok”，目前在全球App Store和Google Play应用程式商店的总下载次数已突破20亿次。

这两组数据说明了抖音和今日头条的受欢迎程度，好的产品表现出良好的数据以及用户增长，让我们产品经理有个学习的榜样。接着我们从产品层面来看抖音和今日头条，主要将两者相同的部分进行分析。一、上瘾快乐的源泉今日头条在刚推出的时候，将每一个新闻尽可能的推荐给适合他的人；同样的技术应用到抖音上面，就会出现同样的效果。如果今日头条的算法成功的体现，那么我们就可以看看抖音效果，今日头条的试水产品让自己的抖音成为全世界最受欢迎的短视频社交产品。不管是抖音还是今日头条，每个用户都能到自己喜欢的内容，没有自己不喜欢的内容。如果上班使用微信或者是QQ进行沟通交流，每个人处于一种压力状态下面；抖音则正好相反，每个人没有工作的烦恼以及压力，在休息或者下班时间都会打开抖音或者今日头条，在一种无压力下状况下进行放松娱乐。我们都知道快乐是好的，都喜欢快乐的感觉，同时上瘾的快乐还是好的吗？当我们一味的追求在抖音上面的快乐，消耗自己的注意力，就像我们想要着急完成工作，然后打开抖音在上面看短视频。我们基于逃避，着急逃避那个带着压力的工作环境，同样的简单的逃离会加深我们的这种感觉。这种感觉会在每时每刻都在，每天加深一遍，也可以说是每天都会重复这种感觉。唯一的办法就是渐渐的放下抖音或者是今日头条，降低对这款产品的依赖程度，减少使用抖音的次数以及时间。二、广而告之我们都知道当下流行的就是，有任何的事情找采访人员，不再是以前的出事找警察叔叔，为什么一个简单的舆论新闻能够引起这么大的反响。首先我们要感谢在这个信息发达的社会和国家，信息发达到让我们能够知道谁家的猫丢了，警察全城找，然后上了热搜。这要感谢背后的粉丝，还是粉丝力量大。今日头条和抖音做为媒体平台，对于上面的内容能够审核和把控，一部分因素来源是政策。如果全部开放，像海外市场那种，那么它也将会面临一系列监管问题。在国内的抖音更多是娱乐性质，同时在上面你不能发表对应的个人自由言论，所以我们看到的是生活，记录这些不一样的生活。关于言论部分我们不进行过多进行讨论，我们继续会到抖音做为媒体的产品背后所包含的舆论部分。不知我们有没有发现，舆论的热点一旦发酵，首先考虑的是礼仪和道德；不管法律多么的严厉，都会涉及到一些礼仪和道德。当然，每个人的道德观念不一样，但是大众的道德观念会让所有人跟着一起走，大白话就是符合群体大众的道德观念，而不是个体的观念。如果单个个体持有不同的道德观念，那么这个热点的舆论事件你就参与不了。三、数据挖掘每个成熟的产品离不开技术的支持，技术和科研不同是，技术是需要创造价值，而科研是无价值的研究，今日头条和抖音背后的技术数据挖掘下面会介绍1. 数据挖掘是一个跨学科的计算机科学分支。涉及人工智能、机器学习、统计学、和数据库的交叉方法在相对大型的数据集（data set）发现模式的计算过程。数据挖掘过程的总体目标是从一个数据集中取信息，并将其转换成可理解的结构，以进一步使用。除了原始分析步骤，它还涉及到数据库和数据管理方面、数据预处理（英语：data pre-processing）、模型与推断方面考量、兴趣度度量、复杂度的考虑，以及发现结构、可视化及在线更新等后处理本质上属于机器学习的范畴。类似词语“数据捕捞（data dredging）”、“数据捕鱼”和“数据探测”，指用数据挖掘方法来采样（可能）过小以致无法可靠地统计推断出所发现任何模式的有效性的更大总体数据集的部分，不过这些方法可以建立新的假设来检验更大数据总体。2. 历史资料探勘是因为海量有用资料快速增长的产物。使用计算机进行历史资料分析，1960年代数字方式采集资料已经实现；1980年代，关系数据库随著能够适应动态按需分析资料的结构化查询语言发展起来，数据仓库开始用来存储大量的资料。因为面临处理资料库中大量资料的挑战，于是资料探勘应运而生。对于这些问题，它的主要方法是资料统计分析和人工智能搜索技术。3. 定义资料有以下这些不同的定义：

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：