6-2 图网络数据在跟风拍摄中的实践与应用 - 李健伟 快手 生产数分techlead

图网络基本概念概述

• 网络由节点和边组成，现实世界网络结构主要有小世界网络、无标度网络和随机网络。
• 中心节点在网络中扮演连接器角色，常用中心性度量指标包括度中心性、介数中心性和紧密中心性。
• 网络类型包括无向网络、有向网络、加权网络、背书网络和多边网络。

网络数据在快手的应用现状

• 社区形成：用户通过“广义社交”形成关系网，不同社交关系网特性定义不同社区。
• 关系网转化：通过LOUVAIN算法将无序网络转化为有序网络，挖掘社区。
• 线下到线上迁移：社区31迁移较好，社区7迁移较差，需差异化策略。
• 社区策略：不同社区用户行为差异化，但可通过媒介用户（关键节点）影响更大范围用户。

网络数据在跟风拍摄中的实践

• 风格定义：跟风拍摄需满足可模仿、低门槛、有趣有料、符合大众品味。
• 风格载体：超级传播节点、中心传播节点、种子传播节点和低效传播节点。
• 关键节点策略：促产策略包括精准召回、荣誉激励和定向人工运营。
• 工具赋能：爆款素材识别是平台“造风”的必要元素。

利用传播网络关键节点形成频率错觉

• 频率错觉：认知偏见导致认为某一事物出现频率更高。
• 生活实例：普通人因缺少上帝视角导致对事件发生概率的估计偏差。
• 视频创作影响：重复看到特定风格视频会提升用户跟拍概率。
• 因果推断：筛选混淆变量（如用户画像、节假日等）对频率错觉影响计算至关重要。
• DML计算：双重机器学习模型验证频率错觉显著提升用户生产意愿。
• 形成频率错觉策略：对超级传播节点作品加权、取消打散策略、运营预热和突出热门素材展示。