Page 110 - 大数据时代市场营销理论研究

Marketing Theory Research in the Era of Big Data
大数据时代市场营销理论研究

（四）营销的个性化存在的问题
1. 推荐算法影响中长尾主播曝光
抖音的核心推荐算法，是将单个短视频和单个抖音用户的喜好做到相互匹配
进行推荐。当某一用户的一个作品在获得大量曝光时得到用户的高度点赞，随之

就会给该用户带来巨量公域流量，抖音其他用户有意识地想要进入该用户的个人
主页翻看早前的作品。一旦该用户的其他作品也能获得较高的点赞及产生共鸣，
抖音系统的推荐算法随之被激活，系统会向更多的匹配人群进行推荐。抖音自带
的社交平台属性，一旦在抖音内部形成社交链，抖音就会为抖音号中的所有视频

进行基于社交推荐算法的额外推荐，好的视频带来更多的社交链，又会获得更多
的主动社交发现和被动社交推荐的流量，随之变成将公域流量转变为私域流量。
抖音的这套推算有利也有弊，弊端就是会导致流量向头部抖音号聚拢，久而久之
中长尾的内容视频，如没有能激发用户兴趣的撬动点，则将得不到曝光。当这弊

端放在直播电商产业上，也会起到同样效果。当直播间的观看用户处在较低水平，
并没有增长的趋势会降低中长尾主播的积极性，甚至可能逐渐消失。另外，抖音
的内容分发注重的是内容而非人，导致内容创作者在抖音平台上真正积累下来的，
愿意观看自己的电商直播并且为之付费的粉丝并没有多少，转化率低。

2. 缺失引导平台消费方案
2020 年，抖音开始将资源向直播电商产业倾斜，重点扶持抖音小店的建立、
品牌的入驻政策涌现。但抖音将资源倾斜的重心放在了商户规模的扩张，对于消
费者尚未发动强有力的策略，触动抖音存量用户观看直播的热情。从 2019 年 12

月至 2020 年 5 月统计数据分析，近 6 个月的直播场均在线人数峰值，抖音的月
波动较大在 2020 年 1 月的峰值最高，1 月因春节期间及新冠疫情的关系，假期
被延长，用户在家的空闲时间变得充盈，在抖音直播电商上线热潮的加持下，1
月的观看峰值确实会被推高。从 2 月开始数据随之下降，降幅达到 68%，3 月较

2 月降幅达到 48%，这与抖音小店规模的增长的趋势背道而行，可以看出，用户
观看抖音的频率并未跟上抖音小店扩张的脚步。在数据统计期间，抖音凭借流量
池及短视频头部平台的优势，迅速招揽达人、直播主及品牌方的入驻，但现阶段
用户观看的效果并未如直播主们的期望，可以说在转型初期，短视频 + 直播 + 电

商的效益发挥的并不是太乐观。这与位居短视频内容平台头部排名第二的快手存
在一定差距，快手自 2019 年 12 月至 2020 年 5 月期间，场均在线观看人数峰值

98