抖音、快手、小红书、B 站等平台的广告呈现形式，探讨单列与双列在广告变现方面存在的差异-精准获客

抖音与快手的核心差别：单列和双列的产品设计致使容错率有所不同，再加上推荐算法的核心优化指标存在差异，最终造就了抖音的强媒体属性和快手的强社区属性。

容错率的差异能够通过用户行为差异所引发的数据差异作进一步阐释。

在抖音的 Feed 流里，用户不断下划浏览，能决定停留与否，却无法选择能否看到某个视频；而在快手的双列 Feed 流中，用户会选择感兴趣的视频点击观看，在浏览、点赞、评论之后，退回到双列 Feed 继续浏览。这致使两个产品所能收集到的数据大体一致：视频完播率、点赞率、评论率等。不过，快手多了一个步骤，也就多了一项独特的数据指标：从瀑布流到点击内容观看的 CTR。

点击封面进入详情页这一行为，具有非常强烈的主观意图体现，这种表意强烈的数据能够让算法模型精准捕捉用户的意图。相比之下，用户在某个视频的停留时长、刷新的频繁程度等用户行为的表意未必清晰，需要算法系统花费更长时间去计算和辨别。同时使用抖音和快手的用户往往会觉得快手更新迭代得更快，更能精准反映用户的即时兴趣点，从某种程度上来说，这是输入的数据维度不同所导致的差异。

单列加上用户行为相对表意较弱与双列加上用户行为表意较强的情况，使得快手能够容纳向用户展示更为多元的内容，使得抖音需要更侧重于头部内容，从而呈现出容错率方面的差别。结合快手“投稿率＞人均 VV＞人均关注数”以及抖音“人均 VV＞投稿率＞人均关注数”的核心优化指标差异，最终展现出两者在社区氛围、内容消费效率等方面的一系列不同。

图片[1]-抖音、快手、小红书、B 站等平台的广告呈现形式，探讨单列与双列在广告变现方面存在的差异-精准获客

对于单列模式的产品而言，广告营收公式易于理解，即 DAU（每日的用户数）乘以人均 VV（每人每天看的视频量）乘以 Ad Load（广告负载）乘以 CTR（广告点击率）再乘以 CPC（广告点击价格），最终便能得出产品的总体营收规模。

而对于双列产品来讲，公式需要进行一定的修改，要将人均 VV 的指标进一步细化，拆分为总曝光量乘以封面到内的 CTR，人均 VV=曝光量×CTR（依据快手《2019 快手创作者报告》的数据，快手的 CTR 约为 20%）。在产品的成熟阶段，用户时长相近时，单列和双列产品的人均 VV 基本相近。

举个例子，假设两款产品分别是单列和双列的短视频产品，日均时长均为 60 分钟，视频平均时长为 30 秒，产品的 AdLoad 为 15%，即两款产品的人均 VV 都是 120。对于单列产品来说，展示的广告数量等于人均 VV×Ad load=18 个。

双列产品的内容曝光点击率 CTR0 为 20%，向用户曝光了 600 个视频，获得了 120 个 VV。展示的广告数量=总曝光量×Ad Load×CTR1，这里面 CTR1 是广告的点击率。在理想状况下，广告和内容完全等同，广告和内容的点击率完全相同为 20%，在此种情况下双列产品展现的广告数量同样是 18 个，然而实际上，用户面对广告和内容的点击率不可能相同，会出现广告点击率 CTR1 小于内容 CTR0 的状况。

图片[2]-抖音、快手、小红书、B 站等平台的广告呈现形式，探讨单列与双列在广告变现方面存在的差异-精准获客

双列产品的广告变现能力相较于单列较弱，不过考虑到几家具有双列特点的公司普遍处于商业化的中早期阶段，未来仍有增长的空间。

这里面有几个颇为有趣的数字值得好好探讨一下。

从单列产品的内部对比来看。倘若以 Facebook 作为单列产品的变现巅峰，可以发现今日头条在变现效率上的最大差别源于汇率差，排除汇率因素后，变现效率的差异约为 20%，已处于同一水平。微博和 Twitter 排除汇率因素后变现效率的差距约为 30%，而这两家微博公司在海内外都被认为变现能力较弱，与 Facebook 和今日头条相比，差距确实显著。

抖音今年为了抵御快手，将时长向直播倾斜，广告变现能力受到了一定的影响，否则会比当前的数据更高。

小红书归一化后的变现能力几乎与抖音类似，且未来仍有上升的空间，体现出女性垂直类社区强大的变现能力。从小红书的产品和社区氛围来看，小红书的内容和广告内容本身高度一致，用户对于广告的接受程度高，大量软广分布在内容当中，使得内容的 CTR0 和广告的 CTR1 差距不会过于悬殊，而是更为接近。用户精准且点击意图明确，使得小红书也能够为广告设定更高的价格。

小红书计划在明年使广告营收翻倍，重点在于用户增长的同时，也努力从美妆拓展至时尚和美业品类，扩大广告主的来源。