研究了1000条数据之后，我拆解了B站的内容营销逻辑

禅茶媚

品牌对在知乎做内容营销会有疑虑，因为数据不能马上看到，因为难以建立与销售的明确关系。

但在B站做内容营销，我们就不需要问为什么，只需要行动。

B站的数据反馈很丰富，很快，投放带来的效果主要在第一周就会确定。方便向老板汇报。并且更容易建立与销售的关联。比知乎和小红书都更加确定。B站的内容营销，一方面可以直接带来销量转化，另一方面也可可以打造成潜在购买者参考意见的地方。

最主要的流量是打开APP首先看到的页面：首页-推荐页。

直播页也有一些流量。

搜索也会带来一部分流量。?B站和知乎的内容都可能出现在百度搜索结果中，而小红书不会。

这方面的逻辑比知乎和小红书都更清晰，因此不展开讨论。

前两年B站代码泄露的事，有不少人解读过疑似B站推荐的核心算法

视频的推荐指数=硬币×0.4+收藏×0.3+弹幕×0.4+评论×0.4+播放×0.25+点赞×0.4+分享×0.6?，一天内的新发布视频推荐指数提高1.5倍。

专栏文章的推荐指数类似。

看到网友对这个推荐指数进行了验证，但是数据量很小，于是我也来进行下验证。

（以下数据采集时间为2021.08.18）

首先，我爬取了B站科技区头部默认的160个热门视频的数据。画出了散点图，横轴代表播放量，纵轴代表推荐总数。

在以下所有的数据中，由于评论数据是ajax动态加载数据，略麻烦，就没有爬取。我的这个推荐指数就不包含评论因素。这点缺失不会对结果造成明显影响。

散点图的关系相当漂亮，严格在一条斜线附近，说明热门视频的播放量与推荐指数的关系非常明确。

热门视频的数据是视频最后的稳定数据。那么对于数据增长中的较新视频，是不是也服从这一规律呢？

由于较新视频的各项数据较低，我于是选取了最新发布的1000条数据，发布日期为最近两日的。得到以下图。依然是一条斜率几乎一样的斜率。

不过上图大部分数据都在阅读量5000以下，看得还不清晰，于是我剔除了阅读量5000以上的数据。

由于网传的推荐指数包含对24小时内发布视频加权1.5倍的影响。我于是将这1000条数据分为两组，前500条数据大多是最新发布24小时的视频，后500条数据大多是24-48小时内发布的视频。

下图为后500条数据。

下图为前500条数据。两图斜率几乎一致，且散点和斜线都非常接近。各幅图的斜率基本都在0.29，预计如果添加上评论因素，斜率会在0.30。

得出这样的数据还不能使我放心，因为在推荐指数中，播放量与推荐指数的单独关系中，斜率是0.25，这些互动动作的权重只占20%呀。于是我测算了推荐指数中剔除播放量因素的数据。得到以下图。当推荐指数不包含播放量因素时，推荐指数和播放量的关系并不是一条直线。

通过以上数据研究得出以下结论：

B站视频的播放量与推荐指数严格相关，播放量=0.3推荐指数。

推荐指数=硬币×0.4+收藏×0.3+弹幕×0.4+评论×0.4+播放×0.25+点赞×0.4+分享×0.6。

推荐指数对新老视频一视同仁，并没有对新视频加1.5倍的播放量扶持。

没有对新视频的推流测试。这一点不同于知乎、小红书、抖音等平台。其他平台都会先给如500-1000曝光来测试数据，B站没有。

播放量与完播率无关。并不会因为你的视频完播率高而获得更高的推荐权重。

播放量也与打开率无关。并不会因为你的视频在信息流中点击率高而获得更高的推荐权重。

有网友对几个账号视频的完播率进行统计，也说明了播放量与完播率关系不大。但数据中完播率均高于17%。

这涉及到一个问题。B站的播放量统计，并不是点击了视频就计算播放。

B站的播放量数据，要求同一个账号，一段时间内，多次观看一个视频，都只计算1次播放量，且观看一个视频要达到一定时长比例，观看时长太低，也不计算播放量。

这个计算规则接近于和微信公众号的阅读量计算规则一样严格。可以理解为B站视频的播放量，就是实实在在的这个视频被多少个人观看了。

从上图的数据来看，这个计算播放量有效的播放比例小于17%，预计在10%-17%之间。

为什么B站推荐视频时不考虑完播率呢？因为如果完播率明显影响视频的播放量，则短视频就会有明显优势，中长视频获得的流量就会明显减少，让用户不再愿意生产中长视频。抖音的推荐算法会考虑完播率，所以使得博主不愿意生产长视频。

为什么B站不对新视频进行一定的推流测试呢？其他平台的推荐算法对新内容进行推流测试，根据的是打开率，完播率等数据，打开率根据的是头图，标题。对于中长视频而言，这些不是判断视频是否受欢迎的标志，互动才是。

B站没有推流测试，意味着新用户发布的新视频，如果没有初始互动，则可能播放量为0。?除非通过搜索观看视频的用户把这个视频顶起来了。

有一定粉丝量的UP主的视频不容易被埋没，粉丝量低的UP主的优质视频有可能被埋没。粉丝量低的UP主为了让视频不被埋没，需要前期拉人给视频创造人气。

B站的推荐指数算法是怎么发挥作用的呢？

在视频冷启动阶段，推荐指数促使UP主要给新视频带来初始流量，获得人气。

当视频的互动数据好时，播放量<0.3×推荐指数，则获得推荐，从而播放量上涨，直到播放量=0.3×推荐指数。

当视频播放量过高时，播放量>0.3×推荐指数，则不获得推荐，直到互动数据赶上来。

所以，刷播放量的策略在B站上不起作用。只会让视频的真实流量更少。

对于B站而言，粉丝量是重要的，高粘度的粉丝是重要的。这个推荐算法也解释了为何B站的大UP主商业价值高于小红书高于知乎。

总结一下?：

B站推荐内容的核心逻辑就是遵循推荐指数=硬币×0.4+收藏×0.3+弹幕×0.4+评论×0.4+播放×0.25+点赞×0.4+分享×0.6。播放量=0.3×推荐指数。

在视频冷启动的阶段，要努力提升以下指标：硬币数、收藏数、弹幕数、评论数、点赞数、分享数。视频完播率的最低标准要控制在17%以上。

B站推荐内容的方式和小红书知乎类似， 推荐主要来自以下几个角度：

搜索过的关键词相关的内容

关注的UP主发布的内容

浏览、互动过的内容相关的内容

热门内容

关注的频道，浏览的频道相关的内容

假设我们要为一个预计年销售额1亿且定价200元的新品在B站上做内容营销布局。

在B站建立品牌的官方号的价值大于小红书，更大于知乎。

品牌在B站的投放主要找有一定粉丝量的UP主做产品宣传视频，引导到电商平台产生购买。这是过去常规的模式。

我们的内容营销战略，要在B站建立内容营销的良性循环。

让每一个投放动作都为后续的动作赋能，而不是每一次投放都是独立的。

通过官方号及对应的社群建立一个基于B站的高粘性粉丝群体，为品牌的内容持续进行冷启动。

锚定1个或多个关键词，内容投放集中瞄准这个关键词?，附带从其他关键词引流，这样搜索这个关键词，或者关注这个关键词的用户，会更可能关注到品牌的内容。

素人内容+大粉丝量UP主持续投放?，大UP主投放不仅是直接带来销量的效果广告，还为品牌布局的关键词圈住更多潜在用户，让他们之后看到更多品牌布局的素人内容。

B站的数据首先是关注播放量。

圈住的粉丝数或社群用户也是很有价值的指标。

可以参考B站UP主的平均广告价对应的平均播放量，算出播放量均价=平均播放量/平均价格。作为投放的盈亏平衡线。

B站的数据容易爬取，可以直接汇总相关视频链接，然后用爬虫定期爬取数据并更新。

B站的流量主要集中在推荐页，可以估计占比90%以上，直播页也有一定流量，可以估计占比低于5%，动态页流量较少，预计低于1%，所以要注重粉丝粘性的维护，才能提升粉丝的价值，否则粉丝价值低。

B站视频的播放量遵循以下公式：

播放量=0.3×（硬币×0.4+收藏×0.3+弹幕×0.4+评论×0.4+播放×0.25+点赞×0.4+分享×0.6）。

为了让视频在冷启动阶段过关，前期要尽力提升互动数据。可以考虑建设粉丝社群来提升互动。要注意通过官方号来聚集粉丝，通过活动等方式增强粘性。

B站会根据关键词、标签来推荐内容，建议集中精力打爆某个关键词，尽力圈出精准用户。

本文来自微信公众号?“鸟哥笔记”

腾冲人

润发

恭喜发财