标签： 抖音

对头条架构有兴趣的同学可以先看看这个文章，文章比较干，建议收藏食用。

公众号：架构师今日头条技术架构分析

 

之前头条召开了一场分享交流会。资深算法架构师、中国科学技术大学计算机博士曹欢欢，在今日头条总部带来了题为《让算法公开透明》的分享，消除社会各界对算法的一些误解，同时接受意见和建议。

本次分享将主要介绍今日头条推荐系统概览以及内容分析、用户标签、评估分析，内容安全等原理。

一、系统概览

推荐系统，如果用形式化的方式去描述实际上是拟合一个用户对内容满意度的函数，这个函数需要输入三个维度的变量。

第一个维度是内容。头条现在已经是一个综合内容平台，图文、视频、UGC小视频、问答、微头条，每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征做好推荐。第二个维度是用户特征。包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。第三个维度是环境特征。这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。

这里还有一个问题，如何引入无法直接衡量的目标？

推荐模型中，点击率、阅读时间、点赞、评论、转发包括点赞都是可以量化的目标，能够用模型直接拟合做预估，看线上提升情况可以知道做的好不好。但一个大体量的推荐系统，服务用户众多，不能完全由指标评估，引入数据指标以外的要素也很重要。

比如广告和特型内容频控。像问答卡片就是比较特殊的内容形式，其推荐的目标不完全是让用户浏览，还要考虑吸引用户回答为社区贡献内容。这些内容和普通内容如何混排，怎样控制频控都需要考虑。

此外，平台出于内容生态和社会责任的考量，像低俗内容的打压，标题党、低质内容的打压，重要新闻的置顶、加权、强插，低级别账号内容降权都是算法本身无法完成，需要进一步对内容进行干预。

下面我将简单介绍在上述算法目标的基础上如何对其实现。

前面提到的公式y = F(Xi ,Xu ,Xc)，是一个很经典的监督学习问题。可实现的方法有很多，比如传统的协同过滤模型，监督学习算法Logistic Regression模型，基于深度学习的模型，Factorization Machine和GBDT等。

一个优秀的工业级推荐系统需要非常灵活的算法实验平台，可以支持多种算法组合，包括模型结构调整。因为很难有一套通用的模型架构适用于所有的推荐场景。现在很流行将LR和DNN结合，前几年Facebook也将LR和GBDT算法做结合。今日头条旗下几款产品都在沿用同一套强大的算法推荐系统，但根据业务场景不同，模型架构会有所调整。

模型之后再看一下典型的推荐特征，主要有四类特征会对推荐起到比较重要的作用。

• 第一类是相关性特征，就是评估内容的属性和与用户是否匹配。显性的匹配包括关键词匹配、分类匹配、来源匹配、主题匹配等。像FM模型中也有一些隐性匹配，从用户向量与内容向量的距离可以得出。
• 第二类是环境特征，包括地理位置、时间。这些既是bias特征，也能以此构建一些匹配特征。
• 第三类是热度特征。包括全局热度、分类热度，主题热度，以及关键词热度等。内容热度信息在大的推荐系统特别在用户冷启动的时候非常有效。
• 第四类是协同特征，它可以在部分程度上帮助解决所谓算法越推越窄的问题。协同特征并非考虑用户已有历史。而是通过用户行为分析不同用户间相似性，比如点击相似、兴趣分类相似、主题相似、兴趣词相似，甚至向量相似，从而扩展模型的探索能力。

模型的训练上，头条系大部分推荐产品采用实时训练。实时训练省资源并且反馈快，这对信息流产品非常重要。用户需要行为信息可以被模型快速捕捉并反馈至下一刷的推荐效果。我们线上目前基于storm集群实时处理样本数据，包括点击、展现、收藏、分享等动作类型。模型参数服务器是内部开发的一套高性能的系统，因为头条数据规模增长太快，类似的开源系统稳定性和性能无法满足，而我们自研的系统底层做了很多针对性的优化，提供了完善运维工具，更适配现有的业务场景。

目前，头条的推荐算法模型在世界范围内也是比较大的，包含几百亿原始特征和数十亿向量特征。整体的训练过程是线上服务器记录实时特征，导入到Kafka文件队列中，然后进一步导入Storm集群消费Kafka数据，客户端回传推荐的label构造训练样本，随后根据最新样本进行在线训练更新模型参数，最终线上模型得到更新。这个过程中主要的延迟在用户的动作反馈延时，因为文章推荐后用户不一定马上看，不考虑这部分时间，整个系统是几乎实时的。

但因为头条目前的内容量非常大，加上小视频内容有千万级别，推荐系统不可能所有内容全部由模型预估。所以需要设计一些召回策略，每次推荐时从海量内容中筛选出千级别的内容库。召回策略最重要的要求是性能要极致，一般超时不能超过50毫秒。

召回策略种类有很多，我们主要用的是倒排的思路。离线维护一个倒排，这个倒排的key可以是分类，topic，实体，来源等，排序考虑热度、新鲜度、动作等。线上召回可以迅速从倒排中根据用户兴趣标签对内容做截断，高效的从很大的内容库中筛选比较靠谱的一小部分内容。

二、内容分析

内容分析包括文本分析，图片分析和视频分析。头条一开始主要做资讯，今天我们主要讲一下文本分析。文本分析在推荐系统中一个很重要的作用是用户兴趣建模。没有内容及文本标签，无法得到用户兴趣标签。举个例子，只有知道文章标签是互联网，用户看了互联网标签的文章，才能知道用户有互联网标签，其他关键词也一样。

另一方面，文本内容的标签可以直接帮助推荐特征，比如魅族的内容可以推荐给关注魅族的用户，这是用户标签的匹配。如果某段时间推荐主频道效果不理想，出现推荐窄化，用户会发现到具体的频道推荐（如科技、体育、娱乐、军事等）中阅读后，再回主feed,推荐效果会更好。因为整个模型是打通的，子频道探索空间较小，更容易满足用户需求。只通过单一信道反馈提高推荐准确率难度会比较大，子频道做的好很重要。而这也需要好的内容分析。

上图是今日头条的一个实际文本case。可以看到，这篇文章有分类、关键词、topic、实体词等文本特征。当然不是没有文本特征，推荐系统就不能工作，推荐系统最早期应用在Amazon,甚至沃尔玛时代就有，包括Netfilx做视频推荐也没有文本特征直接协同过滤推荐。但对资讯类产品而言，大部分是消费当天内容，没有文本特征新内容冷启动非常困难，协同类特征无法解决文章冷启动问题。

今日头条推荐系统主要抽取的文本特征包括以下几类。首先是语义标签类特征，显式为文章打上语义标签。这部分标签是由人定义的特征，每个标签有明确的意义，标签体系是预定义的。此外还有隐式语义特征，主要是topic特征和关键词特征，其中topic特征是对于词概率分布的描述，无明确意义；而关键词特征会基于一些统一特征描述，无明确集合。

另外文本相似度特征也非常重要。在头条，曾经用户反馈最大的问题之一就是为什么总推荐重复的内容。这个问题的难点在于，每个人对重复的定义不一样。举个例子，有人觉得这篇讲皇马和巴萨的文章，昨天已经看过类似内容，今天还说这两个队那就是重复。但对于一个重度球迷而言，尤其是巴萨的球迷，恨不得所有报道都看一遍。解决这一问题需要根据判断相似文章的主题、行文、主体等内容，根据这些特征做线上策略。

同样，还有时空特征，分析内容的发生地点以及时效性。比如武汉限行的事情推给北京用户可能就没有意义。最后还要考虑质量相关特征，判断内容是否低俗，色情，是否是软文，鸡汤？

上图是头条语义标签的特征和使用场景。他们之间层级不同，要求不同。

分类的目标是覆盖全面，希望每篇内容每段视频都有分类；而实体体系要求精准，相同名字或内容要能明确区分究竟指代哪一个人或物，但不用覆盖很全。概念体系则负责解决比较精确又属于抽象概念的语义。这是我们最初的分类，实践中发现分类和概念在技术上能互用，后来统一用了一套技术架构。

目前，隐式语义特征已经可以很好的帮助推荐，而语义标签需要持续标注，新名词新概念不断出现，标注也要不断迭代。其做好的难度和资源投入要远大于隐式语义特征，那为什么还需要语义标签？有一些产品上的需要，比如频道需要有明确定义的分类内容和容易理解的文本标签体系。语义标签的效果是检查一个公司NLP技术水平的试金石。

今日头条推荐系统的线上分类采用典型的层次化文本分类算法。最上面Root，下面第一层的分类是像科技、体育、财经、娱乐，体育这样的大类，再下面细分足球、篮球、乒乓球、网球、田径、游泳…，足球再细分国际足球、中国足球，中国足球又细分中甲、中超、国家队…，相比单独的分类器，利用层次化文本分类算法能更好地解决数据倾斜的问题。有一些例外是，如果要提高召回，可以看到我们连接了一些飞线。这套架构通用，但根据不同的问题难度，每个元分类器可以异构，像有些分类SVM效果很好，有些要结合CNN，有些要结合RNN再处理一下。

上图是一个实体词识别算法的case。基于分词结果和词性标注选取候选，期间可能需要根据知识库做一些拼接，有些实体是几个词的组合，要确定哪几个词结合在一起能映射实体的描述。如果结果映射多个实体还要通过词向量、topic分布甚至词频本身等去歧，最后计算一个相关性模型。

三、用户标签

内容分析和用户标签是推荐系统的两大基石。内容分析涉及到机器学习的内容多一些，相比而言，用户标签工程挑战更大。

今日头条常用的用户标签包括用户感兴趣的类别和主题、关键词、来源、基于兴趣的用户聚类以及各种垂直兴趣特征（车型，体育球队，股票等）。还有性别、年龄、地点等信息。性别信息通过用户第三方社交账号登录得到。年龄信息通常由模型预测，通过机型、阅读时间分布等预估。常驻地点来自用户授权访问位置信息，在位置信息的基础上通过传统聚类的方法拿到常驻点。常驻点结合其他信息，可以推测用户的工作地点、出差地点、旅游地点。这些用户标签非常有助于推荐。

当然最简单的用户标签是浏览过的内容标签。但这里涉及到一些数据处理策略。主要包括：一、过滤噪声。通过停留时间短的点击，过滤标题党。二、热点惩罚。对用户在一些热门文章（如前段时间PG One的新闻）上的动作做降权处理。理论上，传播范围较大的内容，置信度会下降。三、时间衰减。用户兴趣会发生偏移，因此策略更偏向新的用户行为。因此，随着用户动作的增加，老的特征权重会随时间衰减，新动作贡献的特征权重会更大。四、惩罚展现。如果一篇推荐给用户的文章没有被点击，相关特征（类别，关键词，来源）权重会被惩罚。当然同时，也要考虑全局背景，是不是相关内容推送比较多，以及相关的关闭和dislike信号等。

用户标签挖掘总体比较简单，主要还是刚刚提到的工程挑战。头条用户标签第一版是批量计算框架，流程比较简单，每天抽取昨天的日活用户过去两个月的动作数据，在Hadoop集群上批量计算结果。

但问题在于，随着用户高速增长，兴趣模型种类和其他批量处理任务都在增加，涉及到的计算量太大。2014年，批量处理任务几百万用户标签更新的Hadoop任务，当天完成已经开始勉强。集群计算资源紧张很容易影响其它工作，集中写入分布式存储系统的压力也开始增大，并且用户兴趣标签更新延迟越来越高。

面对这些挑战。2014年底今日头条上线了用户标签Storm集群流式计算系统。改成流式之后，只要有用户动作更新就更新标签，CPU代价比较小，可以节省80%的CPU时间，大大降低了计算资源开销。同时，只需几十台机器就可以支撑每天数千万用户的兴趣模型更新，并且特征更新速度非常快，基本可以做到准实时。这套系统从上线一直使用至今。

当然，我们也发现并非所有用户标签都需要流式系统。像用户的性别、年龄、常驻地点这些信息，不需要实时重复计算，就仍然保留daily更新。

四、评估分析

上面介绍了推荐系统的整体架构，那么如何评估推荐效果好不好？

有一句我认为非常有智慧的话，“一个事情没法评估就没法优化”。对推荐系统也是一样。

事实上，很多因素都会影响推荐效果。比如侯选集合变化，召回模块的改进或增加，推荐特征的增加，模型架构的改进在，算法参数的优化等等，不一一举例。评估的意义就在于，很多优化最终可能是负向效果，并不是优化上线后效果就会改进。

全面的评估推荐系统，需要完备的评估体系、强大的实验平台以及易用的经验分析工具。所谓完备的体系就是并非单一指标衡量，不能只看点击率或者停留时长等，需要综合评估。过去几年我们一直在尝试，能不能综合尽可能多的指标合成唯一的评估指标，但仍在探索中。目前，我们上线还是要由各业务比较资深的同学组成评审委员会深入讨论后决定。

很多公司算法做的不好，并非是工程师能力不够，而是需要一个强大的实验平台，还有便捷的实验分析工具，可以智能分析数据指标的置信度。

一个良好的评估体系建立需要遵循几个原则，首先是兼顾短期指标与长期指标。我在之前公司负责电商方向的时候观察到，很多策略调整短期内用户觉得新鲜，但是长期看其实没有任何助益。

其次，要兼顾用户指标和生态指标。今日头条作为内容分创作平台，既要为内容创作者提供价值，让他更有尊严的创作，也有义务满足用户，这两者要平衡。还有广告主利益也要考虑，这是多方博弈和平衡的过程。

另外，要注意协同效应的影响。实验中严格的流量隔离很难做到，要注意外部效应。

强大的实验平台非常直接的优点是，当同时在线的实验比较多时，可以由平台自动分配流量，无需人工沟通，并且实验结束流量立即回收，提高管理效率。这能帮助公司降低分析成本，加快算法迭代效应，使整个系统的算法优化工作能够快速往前推进。

这是头条A/B Test实验系统的基本原理。首先我们会做在离线状态下做好用户分桶，然后线上分配实验流量，将桶里用户打上标签，分给实验组。举个例子，开一个10%流量的实验，两个实验组各5%，一个5%是基线，策略和线上大盘一样，另外一个是新的策略。

实验过程中用户动作会被搜集，基本上是准实时，每小时都可以看到。但因为小时数据有波动，通常是以天为时间节点来看。动作搜集后会有日志处理、分布式统计、写入数据库，非常便捷。

在这个系统下工程师只需要设置流量需求、实验时间、定义特殊过滤条件，自定义实验组ID。系统可以自动生成：实验数据对比、实验数据置信度、实验结论总结以及实验优化建议。

当然，只有实验平台是远远不够的。线上实验平台只能通过数据指标变化推测用户体验的变化，但数据指标和用户体验存在差异，很多指标不能完全量化。很多改进仍然要通过人工分析，重大改进需要人工评估二次确认。

五、内容安全

最后要介绍今日头条在内容安全上的一些举措。头条现在已经是国内最大的内容创作与分发凭条，必须越来越重视社会责任和行业领导者的责任。如果1%的推荐内容出现问题，就会产生较大的影响。

因此头条从创立伊始就把内容安全放在公司最高优先级队列。成立之初，已经专门设有审核团队负责内容安全。当时研发所有客户端、后端、算法的同学一共才不到40人，头条非常重视内容审核。

现在，今日头条的内容主要来源于两部分，一是具有成熟内容生产能力的PGC平台

一是UGC用户内容，如问答、用户评论、微头条。这两部分内容需要通过统一的审核机制。如果是数量相对少的PGC内容，会直接进行风险审核，没有问题会大范围推荐。UGC内容需要经过一个风险模型的过滤，有问题的会进入二次风险审核。审核通过后，内容会被真正进行推荐。这时如果收到一定量以上的评论或者举报负向反馈，还会再回到复审环节，有问题直接下架。整个机制相对而言比较健全，作为行业领先者，在内容安全上，今日头条一直用最高的标准要求自己。

分享内容识别技术主要鉴黄模型，谩骂模型以及低俗模型。今日头条的低俗模型通过深度学习算法训练，样本库非常大，图片、文本同时分析。这部分模型更注重召回率，准确率甚至可以牺牲一些。谩骂模型的样本库同样超过百万，召回率高达95%+，准确率80%+。如果用户经常出言不讳或者不当的评论，我们有一些惩罚机制。

泛低质识别涉及的情况非常多，像假新闻、黑稿、题文不符、标题党、内容质量低等等，这部分内容由机器理解是非常难的，需要大量反馈信息，包括其他样本信息比对。目前低质模型的准确率和召回率都不是特别高，还需要结合人工复审，将阈值提高。目前最终的召回已达到95%，这部分其实还有非常多的工作可以做。头条人工智能实验室李航老师目前也在和密歇根大学共建科研项目，设立谣言识别平台。

如果您喜欢本文，欢迎点击右上角，把文章分享到朋友圈~~
如果有想了解和学习的知识点或技术点，也可以留言给若飞安排分享

·END·

相关阅读：

---

• 今日头条技术架构分析
• 推荐系统学习：协同过滤实现
• 基于协同过滤的推荐方法

作者：曹欢欢

链接：https://www.toutiao.com/a6511211182064402951/

 

不知道从什么时候开始，社交平台都玩起了带货的生意。

 

当直播间的主播们用各种话术和低价诱惑时，很少有人能捂得住钱包。

 

和主播一起泛滥的还有假货。小到三无虾干大到千万主播卖假燕窝，这种知假售假的行为在二类电商的市场里，变得越来越常见。

 

除了假货，假人设也正在变得泛滥，假医生科普，假空姐拍短剧，而他们的目的都只有一个，那就是收割用户。

 

 

假人设泛滥

 

某天刷新闻刷到一个特别有意思的事。

 

在某高速等候区，有个司机不排队就算了，还想占道逆向。

 

好家伙，交警叔叔就站边上呢，还敢这么嚣张。然后这个司机就被问话了，在检查驾驶证时，经验丰富的交警叔叔发现，诶，这驾照不对劲。

 

一查，果然，假的。

 

当被质问，驾照怎么考过的。你猜司机怎么回的？

 

答：没考，在短视频平台看到广告说不用考试也能拿驾照，于是花12000买了一个，卖家说保证真实，而且查得到。

 

？？？

 

至于这个司机真实的水平呢，他本人坦言，卡在科目一了。

 

好家伙，连科目一都没过就上路了，这是纯靠胆量开车啊。

 

 

在某度一查，这种借短视频平台卖假证的行为，早已有之。难怪人人都去视频自媒体，这引流效果的确杠杠的。

 

而这种所谓“不用考试也能拿驾照”的短视频，你现在仍然能看到它们的身影。在这种口号的迷惑下，一些人信以为真，花钱买假证。

 

这年头，卖假证都搞O2O了，也是挺强的。不过这种灰黑产，还没嚣张到敢明着卖。一切交易都是私下进行的。

 

除了卖假证的，去年某500强公司员工被抖音烤大虾骗的事，大家还有印象吧。

 

这个假虾干能火，靠的就是视频里“青岛大妈”那炉火纯青的演技。

 

也不知道从什么时候开始，我们也习惯在网上看别人演戏。

 

短视频里，人均斯坦尼。有人穿着制服演空姐，还有人一本正经装医生，他们把社交平台当舞台，正在卖力地上演着一出又一出令人尴尬的剧目。

 

这其中，空姐尤其受欢迎。

 

不知道是我打开方式不对，还是怎样。当我点开那些昵称叫空姐XX的账号时，看到的并不是关于空姐的飞行日常或者乘机提醒一类的内容。

 

我感觉自己进入了微博街拍的视频版，无数个顶着空姐头衔的小姐姐，正在短视频平台里上演扭胯、走秀、直播和PK，就是没看到任何和空乘相关的内容。

 

甚至一些账号在抖音拍起了和空姐同居的连续剧。

 

想都不用想，这类视频账号的阅读量会有多高。三个空姐和一个男生合租，光是听这个组合，有人就按奈不住了，更何况三个女孩还都是漂亮有趣的“空姐”。

 

至于这些空姐们为什么一天到晚直播、拍视频，而不是去航空公司上班呢？

 

那我们大概得看看航空公司的官方声明。

 

前两天，东航就发布了一篇名为【东航空姐打假指南】的文章。

 

 

东航在这篇文章里，从发型、服装、鞋子、丝巾、腰带、袜子到妆容、配饰都做了详细的说明与解答。

 

不仅如此，他们还多次在假空姐的账号下留言，在线打假。

 

 

由于飞机是大家日常使用频率较低的公共交通，因而空姐这个职务在我们的想象中总是带有神秘色彩的 。

 

她们高挑、优雅，是很多人的梦中情人。据不完全统计，在短视频平台上活跃的空姐数量预估已超过30万，而实际上我国的空乘人员的数量大概在10万左右，其中男女比例为1:3。

 

这些假空姐们，她们的流量当然是为了变现。

 

有人带货，有人卖原味，还有人直接搞诈骗。

 

除了假空姐，假机长、假医生同样也在忙碌着。

 

要是把他们整一起去上《演员请就位》，估计人人都能拿到郭敬明的S卡。

 

 

卖假货亏钱

 

我们曾经揭秘过卖假货的网站，一天能轻松入账20万。

 

照理说到了视频时代，真人出镜应该会大幅提升用户信任，销量大了，利润应该低不到哪去。

 

可是当我看了一个在抖音卖假牛肉的报道后，我不禁对卖假货这种生意产生了新的认知，甚至对于那些在视频平台卖假货的人的产生了一丝丝的怜悯。

 

 

这个广告，不知道你们见过没。

 

一个身穿蒙古族传统服饰的小妹，在镜头前推销自家做的风干牛肉，从展示的商品来看，肉干十分筋道，用手撕开能看见根根分明的肌肉纤维。

 

看小妹吃的津津有味的样子，屏幕前的我不禁咽了一口口水。

 

这风干牛肉看着得劲，主要是价格也挺实惠，99.9元/斤，买一斤送一斤。

 

要知道新鲜牛肉也得四五十一斤了，按照脱水后的比例来算，差不多四斤新鲜牛肉才能做成一斤牛肉干。

 

这价格，可以说买到就是赚到啊。

 

于是有人没忍住买了，但是到手后一尝，发现不是牛肉的口感呀。

 

果断报警。

 

经检测后发现，这个所谓的内蒙手工风干牛肉，其实是鸭肉做的，里面甚至连根牛毛都没有。

 

 

于是这个卖假牛肉干的团伙也被一锅端了，7月到11月，这4个月里，假牛肉干的销售额达到了800万。

 

但售假团伙表示自己真的没赚钱啊，虽然是卖假货，但是一斤只能赚一两块。

 

卖假货卖到这个地步，还真挺少见的。

 

既然原料成本摆在那，那么中间的利润去哪了呢？

 

流量。

 

为了推广牛肉干，他们花了大量的钱买流量投广告，据业内人士介绍，鲁班电商里的商品利润确实高，但是流量也是真的贵。

 

无独有偶，近日警方又端掉了一个“卖茶女”团伙，该团伙半年入账30万，但头儿表示没赚到钱，因为光买粉都花了18万。

 

亏钱就算了，被抓的时候，这个头儿身上还背着一大笔贷款没还呢。

 

贷款搞诈骗，这就十分搞笑了。

 

没点脑子，搞诈骗不好使，卖假货也不赚钱。

 

二类电商是大玩家的战场，前期跑量的转化成本非常大，在量做起来之前，想盈利是很难的。在知乎、百度等问答平台，大量的卖家表示转化成本太高，无法承担。

 

 

成本30块的商品即使卖到100多，盈利空间也不大，除了要承担广告费，还有仓储、物流、运营、售后等成本，此外二类电商的签收率较一般平台低。而买家退货的快递费同样是由商家承担。

 

也有人表示产品70，转化成本100+。

 

 

可以说做二类电商，成也流量，败也流量。

 

去年的青岛虾干事件中，三无虾干的售价更是卖到800块一公斤。

 

 

在事件被爆出之后，卖家们也都纷纷发声，砸钱跑量，钱全给平台赚走了。

 

不止正经卖家的钱给平台赚走了，这年头连卖假货的都哭穷。

 

 

只能说自媒体时代，卖假货也得向流量低头。

---

从三无虾干到假燕窝到假牛肉干，短视频平台的假货似乎并未得到有效的扼制。每次事件的曝光都是消费者主动打假，发起维权。

 

否则假货仍然会肆无忌惮地出现在你我的信息流页面之中。

 

然而讽刺的是，在短视频平台卖假货又并没有那么赚钱。也就是说商家不赚钱，消费者的利益没有得到保障。

 

那么，谁才是最大的赢家呢？

 

 

自媒体时代，人人都得向流量俯首称臣，哪怕你是个践踏法律的亡命之徒。

 

在流量为尊面前，万物皆可生意，假人设也理所当然成为货品的一种。

 

我们去年就曾写过短视频平台上，假医生，乱科普，真赚钱的事。而今年又有航空公司亲自下场打假假空姐。

 

合着平台不仅保障不了商品的真假，连内容的真实性管不了。

 

既然社交平台非要涉足电商，那就应该承担起应尽的责任。

 

用户还真没白嫖平台，

 

因为用户就是平台最好的工具人，既贡献流量，又为流量买单。

 

双向收割，简直妙啊~

 

 

参考资料：

她在抖音卖假牛肉干：59.9元的假货，一斤只赚1元，流量成本33元；倪叔的思考暗时间

我一个世界五百强做食品的，被抖音卖烤虾的骗了；min

 

 

转自：https://mp.weixin.qq.com/s/2_s2_vID-DD2prPlHt8B_Q

 

对于抖音的进击，最大对手美团似乎稳坐钓鱼台。

 

作者 I 武昭含

来源 I 字母榜

（ID:wujicaijing）

 

抖音官方找上门时，小宋有点诧异，毕竟自己经营的“D1烧烤烤鱼”规模并不大，也不是网红店。当对方表明合作诚意后，小宋欣然同意，在抖音上线团购套餐。“对方说达到一定销售额会安排网红博主拍摄探店视频，”网红引流的诱人前景，吸引了小宋。

 

前不久，抖音旗下营销平台巨量引擎推出了“团购券”活动，小宋是参与活动的B端商家之一，在官方宣传中，此次团购活动被称为“餐饮行业的重生”。随后，抖音点餐及支付二维码悄然出现在很多餐厅的桌面上。

 

 

从三月下旬开始，小宋开始积极推广抖音团购，时不时在朋友圈、顾客福利群吆喝，也很快就完成了销售额的标准，网红探店的视频也被提上了日程，“抖音的销售已经安排上了，目前还在排队，四月底应该可以拍。”

 

据字母榜（ID：wujicaijing）观察，通过此次活动，抖音拓展了不少看起来平平无奇的中小规模门店，这些店此前的大本营是美团与大众点评，近期才陆续在抖音开通账号。

 

“抖音目前切入的更多是点评的场景，通过种草卡位流量上游。”资深产品经理判官对字母榜分析道，在他看来，即使抖音目前交付能力无法与美团相比，但其流量对商家有很大的吸引力，“商家要的无非是流量，抖音能起到引流的作用的话，商家就愿意花成本。”

 

在这场活动之外，抖音进一步推进了本地生活领域的布局。抖音最新内测版本中，同城页里增加了地图服务，可以更直观地展示用户搜索到的美食、景点、住宿、同城资讯等相关内容。

 

对于抖音的进击，最大对手美团似乎稳坐钓鱼台。一位接近美团的人士告诉字母榜，美团APP主页近期正在进行信息流改版，预计在四月底上线，不过，对方表示此举并非是正面迎战抖音，而是为了提高广告分发效率，增加广告收入。

 

一位接近字节的人士孙滢表示，就目前的布局来看，抖音有希望吃掉一部分美团的市场份额，但这门生意对抖音来说并不划算，“能否赢得市场份额主要看字节付出了什么，本来能在别的地方赚100，非要抢美团的50，不值当。”

 

在长期关注内容行业的投资人吴昊看来，用美团的ROI标准要求抖音是不公平的，目前抖音做本地生活没有打通新的链路，美团在城市覆盖、商家品类上都占有绝对优势，但抖音本地生活能否做起来，关键在于张一鸣是否有决心拿下这块领域，“创业公司创始人的意志永远是最重要的。”

 

在吴昊看来，目前抖音对本地生活的态度并不够坚决。他向字母榜展示了一份名为《字节2021目标访谈纪要—20210408》的文件，该文件显示，字节的本地生活预期目标今年在60亿元左右，团购营收微乎其微，“现实问题是抖音的决心不够强”。

 

“我们很重视，但是并不过分紧张。”美团员工唐舟告诉字母榜，目前大众点评内部已有应对策略，尚在保密阶段，整个团队氛围并未因抖音的大举进攻变得焦虑，“目前面临的处境跟当年滴滴做外卖很像，滴滴和抖音都在一个领域有显而易见的优势，但要把另一个领域的事情做起来也并不容易，B端很好打通，所以他们能拿下商家，但重要的是如何获得基于消费习惯的C端用户，目前来看抖音并不能对用户习惯产生根本性的影响。”

 

抖音与美团、大众点评的联动合作依然在继续，用户还是可以通过打开抖音的优惠券链接，直接跳转至美团或者大众点评完成交易，但当抖音从渠道端开始反攻上游时，与美团的合作也变得微妙起来。

 

2017年，美团入局出行领域时，王兴曾对程维隔空喊话：“大家得接受竞合是未来的新常态。”风水轮流转，现在，好基友张一鸣抢蛋糕的节奏明显加快，不知道王兴是否能坦然接受“竞合”状态？

 

A

 

不少用户对字母榜表示，自己虽然会被抖音的内容种草，但更习惯、更信赖大众点评，除非抖音有十分明显的价格优势，否则“交易的时候选择大众点评几乎成为了本能”。

 

“很明显，抖音的内容依然为别人做了嫁衣，这就与它执着地要将交易握在自己手中对上了。”吴昊表示。

 

抖音确实不愿意仅仅做流量渠道，实现内容与交易的闭环，是抖音一直以来的目标，但在之前的尝试中，抖音曾多次碰壁。

 

到了2020年，抖音重燃本地生活的野心，在当年6月，团购业务低调在全国多个一线城市推进，最初入驻的企业除了不收佣金外，还有现金补贴和流量扶持。今年3月入驻抖音的“小俩口烧烤东北菜”的店长向字母榜证实，目前抖音没有任何佣金与手续费，不过现金补贴已经没有了。

 

多个部门做本地生活业务导致内部难以协同的问题也得到了解决——去年底，本地生活业务有了自己的核心团队——据《晚点 LatePost》报道，字节跳动商业化部成立了专门拓展本地生活业务的“本地直营业务中心”。在原SMB（中小客户）业务线撤销后，约一万名员工在2021年1月调整至该中心，围绕生活服务、文化旅游和餐饮等行业进行客户挖掘。

 

另一边，为了加强与美团对抗的实力，抖音也在寻找新的“猎物”，孙滢对字母榜透露，抖音曾经想过入股、收购同程，“这个领域太缺少好标的了，收购肯定有一定困难。”不过一位接近携程的人士表示，“同程大股东是腾讯，二股东是携程，梁建章还挂名董事长，这个阵容下交易估计很悬。”

 

“交易或许成不了，但这也证明抖音很清楚，用高频的餐饮带动低频酒旅，才是赚钱之道。”一位本地生活从业者评价道。

 

B

 

参与了团购券活动的宋健很快就发现，虽然抖音的流量很大，但带来的成交量依然没法与美团和大众点评相比，所以对抖音团购券的推广也逐渐降低了热情。

 

一位业内人士向字母榜分析，抖音的优势在于流量和算法，流量能增加店铺的曝光度，算法能匹配用户的喜好，但将这运用到格局已经稳定且非常成熟的本地生活服务中，只能说拿到进入本地生活服务领域的入场券，但尚未有跟美团打擂台的实力。

 

 “抖音的短视频种草、网红探店，对市场来说已经没有建设性了。用户喜欢信息流，我们也可以给到信息流形式。”唐舟对大众点评与美团抱有很强的信心，“流量上肯定会有分割，B端商家被新平台吸引很正常，但它不会攻破美团的壁垒，存量市场不会被破坏。”

 

在他看来，商家对于自身招牌的维护还在于差评机制，“好评就像是商家招牌上的小红花，差评是招牌上的污点而留存率更大程度上取决于差评。网红探店更多带来宣传效应，没有差评功能会让推荐的价值价值降低。”

 

经过在本地生活领域多年的耕耘，美团在B端商家引入、生态搭建上已经做到了行业第一，虽然抖音巨大的流量足以吸引B端商家，但在长期来看一个完整的闭环生态才是本地生活业务的护城河，这正是抖音缺失的。

 

对抖音的POI（Point of Interest，兴趣点）逻辑，唐舟也提出了质疑，“本地生活是基于LBS（Location Based Services，基于位置的服务），但抖音的推荐是基于兴趣，换句话讲即使我在想去的一家店附近，但我最近看的内容如果不能反应我对这类店感兴趣的话，理论上推给我的概率很低。”唐舟分析道，在他看来POI的种草逻辑有明显的地理位置局限性。

 

不过，关于上述唐舟提到的缺陷，判官认为并不难解决，在他看来抖音不用走差评的路线，“用热力值等正向指标也可以做出评判”，在他看来POI与LBS也并不矛盾，抖音完全可以做到“基于位置的兴趣推荐”。

 

业内的共识是，美团的凶猛还在于它强大的服务体系与线下运营能力。如果说本地生活服务领域里，流量是入局的资本，那么服务体系似乎才是肌肉。美团前端日活突破7000万的背后，是超300万人的配送大军及在线商家，而抖音至今没有建立起完善的线下服务体系。

 

 “美团经过多年积累的商家资源和配送队伍，是短视频平台目前无法打破的壁垒。抖音作为一家主要业务在线上的公司，没有在线下打过硬仗，所以不足以给美团带来焦虑。”唐舟分析道。

 

C

 

虽然抖音并未给美团带来焦虑，但大众点评也肉眼可见地寻求改变。

 

“现在我们看到的大众点评逐渐小红书化，双列、视频化，除了品类更繁杂，本质上无差别，无论是大众点评想摆脱工具属性还是为了增加用户时长和用户粘性，它都在努力地营造社区氛围。”吴昊分析道，背后的原因在于大众点评想进一步拉近交易与内容的距离。

 

在吴昊看来，小红书在交易与内容的平衡上已经走在了大众点评的前面，而抖音则在内容上远远超过小红书，“抖音在逻辑上与小红书一样，只不过目前在消费端没有那么顺，但直播电商的成功说明，只要找对路子，内容与消费完全可以平衡好，本地生活领域的格局并非牢不可破。”

 

此前，有行业从业者提出抖音难以打破美团壁垒时，辰海资本辰海资本合伙人陈悦天对字母榜表示， “后来者进入行业后必须打掉先行者建立的壁垒”这个观点，容易陷入用自己的劣势去打对方优势的陷阱，短视频平台做本地生活就要以优势打对手的劣势。

 

判官也持有同样的观点，“抖音是空中打击，要做的事是掐尖（相对高端、有特色一点的店和行业，这些行业往往利润率更高），又不是横扫一片，从美团里弄走最肥的那部分商户就好了。”

 

“目前来看美团在本地生活领域占据绝对优势，现在不用担心抖音，但两年后呢？如果张一鸣下定决心要大量签约商家，投入大量人力去做地推，未来的市场格局改变也是说不准的。”吴昊表示，字节跳动是一家人力富足的公司，如果下定决心铆足劲儿干，是能砸出成绩的，“切勿早下结论”。

 

 

孙滢曾对字母榜透露，直播电商刚刚起步的阶段，字节商业化负责人张利东并不支持做直播电商，他更推崇短视频电商，因为后者变现效率更高，能同时兼顾广告与电商。但当时张一鸣看到用户对直播电商需求的增长，于是很快拍板抖音做直播电商的决策，这个决定直接影响了后续抖音电商领域的进程，“可见张一鸣是个十分重视用户需求的人。”

 

当短视频、直播内容强劲引发用户在吃喝玩乐方面的需求时，张一鸣做本地生活的决心也许会就坚定起来。

 

抖音要刺痛美团还需要时日，但这根针已经埋下。

 

（孙滢、唐舟、吴昊为化名）

 

参考资料：

《抖音内幕：时间熔炉的诞生》，腾讯新闻《潜望》

《独家丨抖音内测地图服务O2O，再加码2万亿本地生活》，Tech星球

《焦虑的抖音，要做另一个“微信”》，AI财经社

《本地生活大变局：抖音凶猛，美团难攻》，DoNews

《抖音入侵美团》，燃次元

 

引  言

近日，抖音正式上线支付功能，用户在抖音App内购物结算时，除了支付宝和微信支付外，可使用“抖音支付”入口，绑定银行卡后即可实现支付！

抖音正式进入移动支付领域了！作为一个日活已经突破6亿的APP，抖音这项功能的开始，或将彻底改变互联网行业的格局！

也是在前不久，有消息称抖音替代拼多多，成为2021年春晚独家红包互动伙伴，这也成为抖音支付的大好东风。

 

毕竟当年微信就是借助春晚红包力量超越支付宝的！

2015年，微信支付用户由不到800万人暴涨至2亿，短短一个春节，微信追上了支付宝此前8年的积累，可见春晚红包的力量！

而现在，抖音极有可能复制微信的奇迹，一举超过微信和支付宝两大巨头！

抖音，凭什么可以改变中国互联网的格局？

首先，抖音和腾讯/阿里巴巴/百度相比，是更高维度的互联网公司！

以BAT为代表的传统的互联网，最大特点是“选择”改变世界，它们把所有的东西都摆在我们面前，让我们任意挑选，很多都会选自己喜欢的，这是“选择”改变世界。

而抖音的最大特点是“推送”改变世界，抖音最擅长的是“算法”，“算法”可以根据你的行为路径算出你的喜好，然后直接把你的最爱呈现在你面前，我们已经不需要再去费心的做“选择”了，相比之下，这更符合人性特点，因为我们连“选择”都不需要做了，“算法”直接帮我们算好了，这就是“推送”改变世界。

来看微信张小龙一段话：

互联网已经已经步入了“算法时代”，而字节跳动领衔了这个时代，代表和引领了互联网发展的先进方向，当然也超越了腾讯/阿里巴巴/百度，也包括FacebooK/微软等等。

“推送”和“选择”完全是两个维度的东西。

“算法推送”精准拿捏人性，更符合人性，而这个最先进的机制，就是字节跳动这个公司与生俱来的优势，是流淌在这个公司基因里的东西，无论传统互联网公司怎迭代自己的功能，字节跳动都可以轻松的对它们实施“降维打击”！

给大家举几个例子：

01

抖音是如何“降维打击”打击微信的？

微信的推荐机制是我关注了谁，就可以看到谁的信息，比如我们关注了哪些微信公众号，每天就能接收到这些公众号的消息推送，这是粉丝推荐机制。

而抖音（包括今日头条）的推荐机制是你喜欢什么，就疯狂给你推送什么，这时一套非常高明的算法，可以识别你的标签，算出你内心深处的癖好，显然这套推荐机制无限顺应了人性的需求，你有需要就满足你，而不是延迟满足，这样才能让你无限沉溺，不可自拔。

抖音为什么那么有魔性？原因就在这里。

即便微信也开通了视频号，但是腾讯的算法完全不能和抖音相提并论。因为字节跳动是与生俱来的算法公司，它一出生就注定是比BTA这些公司高一个维度。

02

抖音是如何“降维打击”淘宝的？

我经常说的一句话是：中国经济社的下半场，人们的需求已经不再是物质产品，而是精神产品；

我们周围的物质产品越来越多，免费送上门的也东西越来越多，这个时候大家更需要的是精神寄托，是灵魂的安放，显然抖音和今日头条的内容属性将占据我们更多的时间。

即便淘宝也有一套自己的算法机制，可以给我们推荐自己需要的东西，但是淘宝的算法在字节跳动面前依旧是小儿科。而且淘宝不具备内容属性，也就不具备娱乐属性。

更重要的是，大家要记住一句话：未来所有的商品都将沦为“信息”的附庸，未来的商品都将隐藏在各种信息流里，而且我们的消费越来越具有“即时性”，而不再是“目的性”。

什么叫“即时性”消费？

比如你看到某个内容很好玩，于是你立刻下单购买了其中的产品，很多网红就是靠这个原理卖东西的，而“算法”就可以算出你需要什么东西了，然后把相应的内容推送给你。

03

同样的逻辑，抖音也在“降维打击”百度！

前段时间，李彦宏发言时所说：现在人们获取信息的方式，已经不再通过搜索引擎，而是各个应用程序的自动推荐。

之前我们之所以依赖百度，是因为信息的匮乏，我们经常遇到各种陌生事物，需要知道“为什么”，而在抖音/头条的推荐之下，未来人们不需要知道那么多“为什么”，只需要知道自己喜欢什么就可以。

百度怎么能不焦虑？

因此，按照这个趋势下去：

微信将只剩下“即时社交”的作用，比如当你需要联系一个人的时候才会打开微信；

淘宝则只剩下“即时购物”的作用，当你明确需要一件东西的时候，才会去打开淘宝；

百度也只剩下“即时搜索”的作用，当你忽然莫名其妙的想了解某个信息的时候，才会去百度一下。

但是抖音/头条就不一样了，由于它偏重内容和娱乐属性，将占据我们的绝大多数时间，我们的大部分时间都会消耗在这两大平台上面。

未来所有的商品都将沦为“信息”的附庸，未来的商品都将隐藏在各种信息流里。

所以，微信/淘宝/百度等等，未来都不是字节跳动的对手。中国的互联网公司本来就领先世界的发展，其它国家的互联网公司在字节跳动面前，更不是对手了！

美国，印度，日本等等这些国家一旦广泛的流行抖音/头条的模式，这些国家的商业逻辑，信息传播逻辑，娱乐社交逻辑等等，都将被发生翻天覆地的变化，这些国家的人群行为/信息传播/商业发展，都将被我们牢牢掌握！

 两个问题值得强调：

无论这些国家如何狙击抖音，抖音的这种“算法推送”的逻辑都将大行其道，在全球范围内流行，只不过是谁来干的问题！

未来只有一种东西能革掉抖音的命，那就是AR/VR，因为虚拟现实比短视频更符合人性，更容易让人沉溺。

视频和直播依然只是三维的内容，而AR/VR是思维的内容，它可以直接把我们置身于一个场景当中，或者直接把一个东西带到在我们身边。甚至还可以模仿出各种真实体验，到时人人都会对它们欲罢不能。

有一个问题值得思考：当算法时代彻底到来的时候，世界会是什么样的？

我们先回忆一下，淘宝当年是怎么干掉实体店的？

淘宝的出现让开店不需要实体门面了，所以开店变得容易了，没有那么高的门槛了。刚开始的时候大家会狂欢，网店遍地开花，但是到了一定阶段，大家越来越深刻的发现一个现实：人人都有生意做，也就意味着赚钱将越来越难。

为什么呢？因为互联网的通透性，让比价更容易了，让找货更方便了。当卖东西的门槛越来越低，一定遭遇激烈的价格战，一定会有山寨货横行，于是商家赚钱越来越难。

尤其后面又诞生了拼多多，如果说淘宝革了实体店的命，那么拼多多则直接革了渠道商的命，因为上面很多都是工厂直接开的店，更是赤裸裸的比价格，最后的结果就是只要这个工厂还有利润，你就没有生意做，因为当竞争绝对充分的时候，所有商品的价格都会无限趋近于0。

同样的逻辑，抖音革掉的是传统明星和娱乐节目的命，因为抖音让表演变得平民化，让舞台的门槛越来越低，人人都是演员，人人都可以制作自己的节目。

刚开始的时候，大家一定会乐此不彼，热闹非凡，进入全民参与的娱乐氛围里，大家一起拿着手机嗨。但是到一定阶段，大家也会越来越深刻的发现一个事实：

人人都可以出作品的时代，也就意味着作品和创作将越来越廉价，各种猎奇和越位的行为横行，大家为了博眼球而各种出位。

人人都是的主角，人人都在逢场作戏，人人都在走马观花。

最有意思的变化还在下面：

传统互联网其实大大加剧了贫富的差距，本质是因为人可以有原始的资本积累，当你有一定资本的时候，你可以有撬动更多资本，而最后所有好的资源都会往你身上聚集。

比如微博和微信的时代，你创作的内容受欢迎，就会吸引粉丝你吸引的粉丝越多，内容传播就会越广，从而又帮你带来更多粉丝，然后可以收广告费，这就是叠加效应，也是资本的原始积累过程。

但是在抖音和头条的时代，这个逻辑就不存在了，它的算法机制使你的内容传播量和粉丝量没有必然关系，比如：你的内容发布之后，先推荐给200个的标签相符的人，如果点赞率、阅读完成率都不错，就继续推荐给2000个人，如果还不错，就再推荐给20000个人……

因此，抖音和微信微博最大的区别在于：它是内容决定传播，而不是粉丝量决定传播。

所以，之前在微博微信时代那种先去转发各种内容去“养号”，然后再去接广告赚钱的逻辑就失效了，刷粉丝量刷阅读量的行为也完全不行了，因为AI算法太强大了，这些都逃不过它的法眼。

总而言之，这种算法就可以将一个之前的原始积累不断归零，这对于新人来说就是最公平的，同时又鼓励那些“旧人”不断努力，不要停留在过去的辉煌里，过去的成就也无法成为你的跳板，每个人的价值只取决于你当下创造的价值，我们永远只能用当下的内容说话。

因此，未来我们唯一的出路就是踏实做好当下的每一个内容，只有做出好的内容才有价值，其它任何投机行为，都将被识破，而且将你打上标签，一旦被打上标签，基本上就宣告了一个IP的作废，以后你再怎么努力也无济于事。

一个人人都能沉下心来做内容的时代，才是一个真正的好时代。

最最有意思的变化还在下面：

既然“算法推荐”是最先进的机制，那么算法的最高境界是什么？

其实就是让每个人都有机会展示自己才华，是各尽其才，各归其位。真正的算法会在无形中平衡每个人的阅读量，不会把资源都集中到某几个人身上，算法就是那个无形中的“道”。

《道德经》第七十七章里说：高者抑之，下者举之，有余者损之，不足者与之，天之道损有余而补不足。人道则不然，损不足，奉有余。孰能有余以奉天下？其唯有道者。”

意思是：天道的逻辑是削弱强者，赋能弱者，而人道是逆天而行，越强的越去巴结，越弱的越要被踩挤，唯有天道才能劫富济贫。

老子应该想不到，他2000年前描绘的大道，被我们后人用这种形式表现了出来。

也可以这样理解：当互联网真正的步入到了“算法时代”，人与人之间的贫富差异会越来越小，因为算法会自动平衡资源的分布，未来一定是一个扁平化和去中心化的时代。

大家思考一下，如果社会上人与人之间的贫富差距没那么大了？将会发生什么事？

在之前，我们没遇到一个人，首先思考的问题是什么？往往是这个人的身价，因为人和人最大的区别就是财富的区别。所以我们一定会不由自主的思考这个问题。而一旦社会的贫富差距很小了，我们思考的问题一定不是这个人有多少钱，而是这个人有什么特征？是什么标签？跟钱再也没有任何关系了。

在人和人之间财富差距越来越小的同时，人与人之间的特征差异会越来越大，因为未来每个人身上的标签将更加清晰。比如，唱歌，跳舞，写作，表演，科研，律师，医生等等。

未来人与人最大的区别不再是财富的区别，而是价值标签的区别。

 

我认为这个社会将越来越公平，真正的好时代也才刚刚开始，你们赞同吗？

按照这个趋势发展下去，未来的社会一定会变得越来越平等，越来越细分，每个人都沉醉在自己的世界里，不用再互相干涉和强加。

《道德经》里第八十章说：“邻国相望，鸡犬之声相闻，民至老死不相往来。”，他描述的其实就是人类文明的最高境界，虽然两个人可以近在咫尺，虽然他们毫无共同语言，但是能做到尊重彼此的不同，和而不同，方为大同。

“算法”究竟什么？我们既看不也见摸不着，但它确实存在，而且大象无形，它在冥冥之中影响着我们每个人的命运，这不就是老子说的那个“道”吗？

未来“算法”即“天道”。

算法和人类的关系分为为三个阶段：

第一步，算法是我们的工具，我们有什么问题都可以问它，但决策权在我们手里。

 

第二步，算法是我们的指示灯，它会告诉我们大方向和原则，然后我们去执行。

 

第三步，算法成了我们的上帝，我们索性放弃思考，什么都听它的，任由他们指挥。

《道德经》里第五章说：“天地不仁 以万物为刍狗”，这里的天地其实指的就是那个“道”，在它面前人的命运确实不值一提。

同样的道理，在未来的算法面前，人类的各种行为确实不值一提，人类除了选择埋头苦干，除了能用奋斗改变命运，其它的挣扎都毫无意义。

AI算法是人类自己发明的一套运转机制。其实人类有了科技发明以来，一直试图能掌控自己的命运，但是我们终于发现，人类无论怎么努力，都会最终被自己的各种发明创造而束缚，就像作茧自缚一样。

这就像孙悟空再大的本领，也翻不了如来佛祖的五指山，最后只有戴上紧箍咒乖乖的去取经。

世界唯一的真相就是没有真相，人生唯一的意义就是没有意义。

人生就是巨大的枷锁，你不得不重复那些无趣的生活。

转自：https://mp.weixin.qq.com/s/HI0d2Wj-_lHVTZ22uqOKIw