第 5 章 · 数据

发布之后:数据复盘

前四章都在讲怎么把视频做出来。这一章讲视频发出去之后的事——数据不是成绩单,是反馈回路:它告诉你流水线哪个零件漏水了。

很多新人点下"发布"按钮的那一刻,觉得工作结束了。其实正好相反:发布不是终点,是一场实验的开始。你交出了一份假设——"这样的封面、这样的开头、这样的密度,观众会喜欢"——接下来 24 小时,平台用真实观众的点击和留存给你打分。

所以发布后的正确姿势不是反复刷新播放量、涨了开心跌了焦虑,而是带着第 1 章那张四零件图纸来看数据:钩子、完播、点击、互动,每个零件都对应一个可以读出来的指标。找到漏得最多的那个,改它,再发下一条。这就是复盘。

看懂四个指标

B站创作中心后台能看到的数字很多,但真正决定推荐走向的就那么几个。把它们和第 1 章的四个零件一一对应,你就拥有一张"故障定位表":

注意这张表的用法:指标低不等于视频烂,它只是在给某个零件打分。CTR 低而完播高,是门面配不上内容;完播低而三连高,是核心观众很爱但节奏拖累了传播。每个组合指向完全不同的修法。

阶梯流量池:每一级重新考核

为什么有的视频发出去三天只有几百播放,有的能滚到几十万?社区运营圈里流传最广的解释模型是阶梯流量池:新视频先被放进一个小流量池,拿到几百量级的曝光;如果数据达标,就晋级到几千量级的下一级;再达标,几万、几十万——每一级都重新考核一次,哪一级不达标,就停在哪一级。

这个模型是教学简化,不是 B站推荐系统的真实实现——真实系统考虑的维度多得多,也不存在这么整齐的台阶。但它传达的两个直觉是对的:第一,曝光是挣来的,不是给的;第二,早期数据决定天花板——所以"发布 24 小时的数据"几乎就是一条视频的命运判决书。

考核怎么打分?我们用一个同样简化的加权模型:把三个核心指标各自归一化到 0–1 区间,再加权求和,满分 100:

综合分 = CTR×40 + 完播率×35 + 三连率×25 (各项归一化后加权,教学模型)
💡 直觉

流量池像游戏里的晋级赛:每一级都重新匹配更强的对手,上一级的成绩不带进下一级,数据是唯一的入场券。所以不存在"这条视频老粉丝多所以能保送"——每一级面对的考官都是一批新的陌生观众。

亲手玩一下:流量池模拟器

下面这个模拟器让你扮演一次推荐系统。拖三个滑块,输入一条视频的假设数据,看它能在五级流量池里走多远。画布上每一条横杠是一级流量池:亮起来的是晋级到的级别,卡住的级别标成警示色,灰色的还没摸到。底部刻度线是综合分和各级晋级线。

流量池模拟器

教学简化模型 · 非平台真实算法

先看「一轮游」卡在哪级,再把完播率单独拉高——体会为什么完播是权重最高的单项。注意:本模拟器是教学简化模型,用来建立直觉,不是 B 站推荐系统的真实实现。

综合分 最终曝光 卡在第几级

玩几轮之后你会发现一个结构性事实:任何一项塌到底,另外两项再高也很难救回来——这就是漏斗的乘法本性,也是第 1 章那张图纸在数据端的投影。

⚠️ 常见陷阱

既然早期数据决定天花板,那刷量冲一波行不行?没用,而且适得其反。推荐系统看的是相对转化表现——点击之后留不留得住、看完看不完。刷来的播放几乎不产生留存和完播,等于亲手把自己的完播率拉低,下一级考核直接挂掉。买来的数据在漏斗里是负资产。

复盘方法论:从漏得最多的一环改起

数据到手,怎么改?两条纪律。

第一条:从漏得最多的一环改起,而不是从你最擅长的一环改起。漏斗是乘法,把 20% 的完播率改到 40%,效果等于把 5% 的 CTR 改到 10%——但前者往往只是砍掉两段水,后者可能要重做整个封面风格。修复瓶颈环节的边际收益永远最大。

第二条:一次只改一个变量。封面换了、开头重录了、时长砍了一半,下一条数据涨了——请问是哪个起的作用?不知道,等于没复盘。把每条视频当成一次只动一个旋钮的对照实验,三条之后你就拥有自己的一手经验,比任何运营教程都可靠。

∑ 想深一层

单条视频的数据噪音很大:发布时间、撞不撞热点、当天推荐池里有什么对手,都会扰动结果。所以别用一条视频给自己下结论。同类视频连发 3–5 条,看趋势而不是看单点——趋势向上说明改对了方向,单条的暴涨暴跌 mostly 是运气。

✓ 本章小结

发布后看四个指标,它们就是第 1 章四个零件的分数:CTR 考封面标题、3 秒留存考钩子、完播率考内容密度、三连率考情绪价值(知识区经验量级:中位数约 2–3%)。流量池逐级考核,早期数据定天花板;复盘从漏得最多的一环改起,一次只改一个变量,连发 3–5 条看趋势。理论到此为止——第 6 章,动手做出你的第一条视频。