干预|如何设计数据干预策略？( 二 )

降低长尾创作者流失率：对于广大长尾创作者来说，很难通过创作盈利以解决吃饭问题，因此大部分创作动机来源于热爱、尝试心理。
矛盾的是，因为发布内容频率低、账号沉淀的粉丝少、平台未签约导致运营扶持政策少等综合因素导致这些小创作者“为爱发电”创作的内容很难得到足够曝光，更难得到观众互动回应。
“辛辛苦苦忙碌一周，发布后观看、点赞的观众不足10个”，这种努力过后得不到回应的感觉对于这些凭热情创作的创作者无异于当头浇了一盆冷水，极大摧毁创作积极性。
通过为长尾创作者执行普遍化地数据干预策略，使得他们的创作内容普遍能收获几十个点赞量，从而鼓励他们坚持创作，不至于从平台流失。
3. 什么是“好”的数据干预策略？数据干预行为本身是数据造假行为，“造假”的最高标准自然是无限接近真实，用户（内容创作者、内容消费者）对干预行为毫无察觉。
要想达到这个标准不是件容易的事，竞争对手、黑粉、忠实用户很容易通过关联的蛛丝马迹发现端倪。建议产品经理在做设计时、运营在进行策略配置时，重点注意以下方面的控制：
（1）关注互动数据项之间的整体均衡
当内容有多个互动指标时，经过干预后的外显数据整体看起来必须足够均衡、合理。若某篇文章的阅读量小于点赞量，那么这就是脑溢血型数据干预；若某个英语学习视频的分享量大于点赞量，那么看起来会“一眼假”，用户会明显察觉不合理。
某视频平台，单个视频的互动量比例不自然
（2）关注互动数据项与内容质量的匹配度
一般来说，运营做数据干预的原始初衷是帮助优质内容增加曝光量，那么质量低劣的内容资源就不应该享受太高的数据注水，否则一方面会挤占真正优秀视频的纷发空间，造成劣币驱逐良币、平台创作环境恶化，另一方面大量“小闲”用户通过“爆火”标签查看视频时，却发现“名不副实”“受到了欺骗”，自然产生对平台的恶感，产生用户流失。
（3）关注互动数据项与创作者收益的平衡
内容创作平台为了进行创作者激励，通常会将内容的互动数据表现作为创作者收入的影响因子。
具备数据干预能力后，创作者收益计算时，必然使用的是真实互动数据。然而由于信息壁垒，创作者不知道自己的外显数据为灌水后的数据，会自然地使用外显数据计算收益预期。
当最终收益下发时，创作者发现收益与预期不符，会产生强烈的被骗感，与平台的关系自然跌入冰点。解决该矛盾的通用做法是：

收益计算公式对创作者不透明（即不会明确告知各项互动数据指标在收益计算中的比重）
提供多种收益渠道（创作激励、广告分成、直接打赏、活动奖励等），降低互动数据对收益的影响比重
引入中间指标如“热度”“喜爱度”等，教育创作者“最终收益与中间指标直接关联，中间指标不仅受互动数据量影响，也会被互动数据比、up主活跃度、产出频率、原创类型、创作者类型等等因素影响”。

因此，当创作者的外显互动数据量因运营干预有了较大增长，收益却未获明显上涨时，平台方可拿其他因素进行解释。只要数据造假不至于太离谱，创作者也能接受收益与预期不符的事实。当然，总体设计上仍需要保证“互动数据表现越好，收益越高”的基本原则。

文章插图
B站的收益类型多，并且不会明确告知互动数据影响收益的计算公式
（4）关注互动数据项与其他关联数据项的匹配度