做自然流必看的“ecpm”

在字节跳动等基于兴趣推荐的短视频底层架构中，所谓的“自然流 eCPM”在工程上被称为 内容综合推荐权重（CES，Core Engagement Score） 或 视频冷热度模型。

推荐系统的核心目标只有一个：最大化平台总用户时长（DAU × 平均使用时长）并维持生态健康。 因此，算法对每一条自然流视频的打分，是一个极其精密、包含正负反馈的动态加权计算过程。

以下是剥离所有营销包装后，自然流推荐权重的详细客观拆解：

一、 自然流推荐权重的底层算法公式抽象

在实际的机器计算中，自然流 eCPM 的基础评估逻辑可以抽象为以下指标：

• Watch\_Time：播放时长相关指标（绝对的基础盘）。
• w_i：各项正向交互动作的动态权重系数。
• Interaction\_Rate_i：各项正向交互指标的达成率（如评论率、分享率）。
• p_j：负反馈惩罚系数。
• Negative\_Feedback_j：负反馈行为（如秒划走、点不感兴趣）。
  
  

二、 核心指标的详细拆解与客观权重原理

系统不仅看绝对数量，更看转化率（Rate）。在初始的 500 播放量池子里，各项动作的发生率决定了视频能否进入下一个 3000 播放量的池子。

1. 时长消费类指标（权重基石：决定生死）

系统首先评估的是该视频“消耗用户时间”的效率。没有时长基础，后续的交互数据会被系统判定为低质或刷量。

• 3秒/5秒完播率:
  
  
  • 客观定义： 播放超过 3 秒或 5 秒的用户占总播放人数的比例。
  • 算法意义： 流量池的“门禁卡”。衡量视频封面、标题或开头 3 秒画面的吸睛能力，用于过滤掉极度劣质或名不副实的内容。
    
    
• 整体完播率 :
  
  
  • 客观定义： 完整看完视频（进度条达 100%）的用户比例。
  • 算法意义： 衡量内容整体结构的完整性和吸引力。对于时长较短的视频（15秒内），完播率的达标要求极高；对于中长视频（1分钟以上），完播率门槛会相应降低，系统会转而看重绝对停留时长。
    
    
• 平均播放时长:
  
  
  • 客观定义： 所有观看该视频的用户的总停留时间 ÷ 总播放次数。
  • 算法意义： 极其关键的绝对值指标。一条完播率 30% 的 2 分钟干货视频，其系统得分通常远高于一条完播率 80% 的 7 秒对口型视频，因为它为平台贡献了更长的绝对留存时间。
    
    
• 复播率 :
  
  
  • 客观定义： 视频播放结束后，自动循环播放第二遍或更多的比例。
  • 算法意义： 标志着内容具有极高的信息密度或强烈的视觉节奏，常出现在用户打开评论区阅读时引发的背景循环播放中。
    
    
  
  

2. 深度行为类指标（权重乘数：决定爆发级数）

当播放时长达标后，系统会根据用户的物理点击行为来计算加权分。

• 分享/转发率 —— 单次行为权重最高：
  
  
  • 客观定义： 点击分享按钮（转发至站内私信、微信群、朋友圈等）的比例。
  • 算法意义： 平台最鼓励的行为。分享能带来外部流量的回流（拉新/促活）。在干货、金融、新闻类目中，私下转发（暗社交）是触发千万级大爆款的核心推力。
    
    
• 评论率  —— 社区活跃度引擎：
  
  
  • 客观定义： 留言人数占总播放人数的比例。
  • 算法意义： 衡量内容的“话题性”与“情绪价值”。评论行为本身需要耗费大量时间（思考+打字），且能吸引其他用户在评论区盖楼讨论。系统会通过 NLP（自然语言处理）技术分析评论的情感极性（正向探讨、争议、吐槽），争议性越强，推荐权重越高。
    
    
• 收藏率  —— 长尾流量保障：
  
  
  • 客观定义： 点击收藏的用户比例。
  • 算法意义： 衡量内容的“实用价值”与“复用性”。尤其在知识付费、技能教学、量化理论赛道，收藏是强烈的 A3 意向指标。高收藏率的视频生命周期极长，系统会在后续几个月内持续为其匹配精准的搜索与推荐长尾流量。
    
    
• 点赞率—— 基础热度过滤器：
  
  
  • 客观定义： 点赞人数占总播放人数的比例。
  • 算法意义： 用户成本最低的交互行为。在目前的算法模型中，单纯的高点赞率（如果缺乏时长、评论和分享支撑）无法拉升流量池层级，仅作为评估受众基础好感度的一个及格线指标。
    
    
  
  

3. 沉淀与外延类指标（生态价值赋分）

推荐系统不仅评估单条视频，还会评估该视频对账号整体生态的贡献。

• 主页访问率:
  
  
  • 客观定义： 看完视频后点击头像进入主页的比例。
  • 算法意义： 标志着用户对账号人设（IP）产生了兴趣，从“单点内容消费”向“系统性探索”过渡。
    
    
• 转粉率:
  
  
  • 客观定义： 未关注用户中，通过该视频点击关注的比例。
  • 算法意义： 极高权重。证明该内容具有长期绑定用户的能力，系统会因此提高该账号的信用基础分（Account Authority Score）。
    
    
• 看后搜率:
  
  
  • 客观定义： 用户观看视频后，在规定时间内去搜索框搜索了视频相关的关键词（如“QR指标”）。
  • 算法意义： 衡量短视频对搜索流量的激发能力（种搜一体化）。该数据直接反哺电商系统，是衡量种草深度的最高级别客观数据之一。
    
    
  
  

4. 负反馈指标（降权与截断机制）

自然流推荐系统具有极强的“熔断”机制。

• 秒划走率： 视频刚展现 1-2 秒就被划走，严重拉低平均播放时长，直接导致视频无法突破初始流量池。
• “不感兴趣”点击率与举报率： 若触发该指标的比例超过一定阈值，系统会立刻停止推荐，并可能对账号进行短期降权。
  
  

三、 流量池赛马机制的客观运行逻辑

系统收集到上述数据后，会进行实时的赛马：

• 标签匹配与冷启动： 视频发布后，系统通过 CV（计算机视觉）和 NLP 提取视频画面和文本特征，分配给初始的 500 个带有相关标签的用户。
• 相对值比拼： 系统计算这 500 人的上述所有交互指标。注意：算法比的是相对值，而不是绝对值。 系统会将你的视频与同一时间段、同一类目标签（如“金融干货”）下的其他新视频进行排名。
• 跃迁或淘汰： 如果你的综合 CES 分数位列该批次的前 10%，系统会自动将视频推入下一个 3000 播放量的池子，重新进行更残酷的数据比拼；如果排名垫底，流量分发即刻终止，视频彻底沦为“播放量不过百”的状态。
  
  

这就是驱动整个平台百亿级流量运转的底层数学与工程逻辑。