从信息分发的角度理解互联网行业的变迁

1、一、信息传播演变历程：编辑分发搜索分发社交分发推荐算法分发（一）互联网信息传播的演变历程人类社会的发展伴随着信息传播效率的提升。从语言的诞生到文字的创造、到造纸印刷术的发明、电报电话广播电视的普及、再到互联网的诞生与普及，每一种信息媒介的出现都大大提高了信息的传播半径，而各种媒介迭代的背后都对应着底层技术的革新，进一步导致了生产方式的变革。图表 1互联网信息传播的迭代历程资料来源：整理互联网作为有史以来最高效的信息传播媒介，信息在网络上的传播方式又经历了门户（编辑分类）、搜索（搜索引擎）、SNS（社交关注）、信息流（算法推荐）几个大的时代。互联网信息传播方式的演变伴随着底层算法技术的变迁，进一

2、步改变了用户消费和生产信息的习惯，同时催生了新的商业模式、涌现出一代代的互联网巨头。图表 2 几种不同分发模式的技术、代表性公司和壁垒几种不同的分发模式底层技术代表公司分发方式壁垒编辑分发超文本链接雅虎 搜狐 新浪编辑推荐内容搜索引擎爬虫技术和页面排序算法google 百度主动搜索技术/算法订阅关注RSSMySpace Facebook 博客 微博 微信关注朋友产品推荐算法协同过滤算法抖音 头条上下滑刷新技术/算法资料来源：整理图表 3互联网信息传播的迭代历程资料来源：整理（二）门户时代：分类索引的编辑分发模式门户网站是自互联网普及以来最早诞生的一批互联网公司，门户网站使用超文本链接技术完成了

3、信息供给的线上化，但并未从本质上改变传统的信息分发方式。从报纸、杂志到广播电视再到门户网站，尽管信息传播的媒介发生了变化，但是内容分发的方式始终保持着“中心化分发、有限展示位有限、千人一面”的形态，信息传播的决策权掌握在编辑手中。图表 4电商信息：2001 年阿里巴巴的信息展现形式图表 5内容信息：2000 年搜狐网的信息展现形式资料来源：搜狐科技，资料来源：搜狐科技，（三）搜索时代：基于关键词的搜索引擎技术搜索引擎相比编辑分类索引提升了信息查找的便捷度，同时随着算法的持续迭代优化，信息匹配效率进入持续提升的正循环。从技术上来说，搜索引擎的爬虫技术可以直接爬取页面内对应的信息，相比分类索引收录

4、网址的方法更为直接；而页面排序算法将用户需求（关键词）和对应信息（相应页面）进行匹配（且随着数据量的增多算法精准度持续提升），大大提升了海量信息背景下用户查找信息的效率。图表 6搜索引擎的结果页面：关键词驱动页面数量 商业化广告 关键词资料来源：整理离线部分在线部分原始网页内容召回：多种召回方式从索引库里获取数据搜索词处理输入搜索词索引数据爬虫时效性索引数据排序：基于筛选集进一步计算从而获得最终结果排序模型图表 7搜索引擎的架构逻辑资料来源：整理（四）关注订阅：“公域分发”走向“私域关注”订阅分发相比门户和搜索时代的最大区别在于从用户从信息中介（搜索引擎/门户）获得信息变为用户直接关注创作者获

5、得信息。订阅分发方式的兴起主要有几方面的原因：个体的信息创作（从文字到图片到视频）参与度大幅提升；RSS 分发技术将获取信息的权利交给用户自身；诸如 QQ 微信等社交网络的兴起，为内容的订阅分发提供了天然的底层网络。订阅时代创作者的地位显著提升，并涌现出一批自媒体公司。图表 8关注订阅模式相比编辑/搜索方式的区别资料来源：整理（五）推荐算法：基于信息流的个性化推荐推荐算法是解决信息过载和信息爆炸的有效解决方案。相比搜索分发，推荐算法的优点在于探索人们未知的信息需求；相比编辑和订阅，推荐算法可以不断迭代与进化，因此可以更加高效：对内容而言，内容在被消费的每一次都会得到来自用户的反馈，被认可的内容

6、得以进一步扩散，不被认可的内容则被系统纠偏；对用户而言，每一次行为反馈都在不断地完善自己的用户画像，帮助系统持续优化推荐的精准度。图表 9推荐算法的架构逻辑资料来源：整理二、分发模式背后的商业模式变迁：以广告为例展示从千人一面到千人千面，库存空间变大；计费方式从展示到效果，广告在变“深”编辑分发的分类索引模式类似传统线下媒体（报刊杂志）的线上化，商业模式也类似传统报纸媒体出售广告位。该阶段的商业模式为最简单的 banner 广告售卖，广告位收入=数量（DAU*人均 PV）*单价（按照 CPM 展示计价），访问的页面数（PV）决定广告库存量，页面的热度水平决定广告价格。编辑分发的缺点在于千人一面

7、的信息展示形式限制了广告库存的扩张，同时按展示付费的计价方式无法监测广告的效果，此阶段的广告模式仍为线下模式的线上化。基于关键词的搜索分发方式对传统的门户广告模式做出重大革新。一方面广告库存由之前依赖页面展示数量（PV）转化为依赖搜索条数，广告主可对海量的关键词参与竞价；另一方面广告计费方式从 CPM 转化为 CPC，商业广告正式迈向效果可监测的时代。订阅分发虽然对信息分发方式有所创新，但基于订阅关注的分发关系更偏私域，增加 ad load 对用户体验影响更大，因此 ad load 的天花板相比搜索更低。基于信息流的商业广告模式和搜索广告类似，但算法推荐相比主动搜索的人均条数天花板更高。图表

8、10几种不同分发模式的广告收入逻辑拆分几种不同的分发模式商业化创新收入逻辑典型公司编辑分发与传统广告类似，售卖广告位量*价；访问的页面数（PV）决定广告库存量，页面的热度水平决定广告价格早期门户，报刊，长视频，梯媒广告搜索分发库存大幅提升（取决于关键词数量）；效果可监测（CPC 点击）转化效率大幅提升（内容广告融为一体）；搜索次数（DAU*人均搜索次数）*ad load*单价（CPC）google，百度社交订阅分发自媒体广告库存*ad load（私域的 ad load 较低）*CPM朋友圈广告，微博广告推荐算法分发从用户确定性的搜索需求产品主动推荐DAU*人均 feed*ad load*CPM

9、字节跳动资料来源：整理图表 11几类公司广告收入对比图表 12几类公司单用户（DAU）广告收入对比150010005000爱奇艺编辑分发主导百度搜索分发主导朋友圈微博订阅分发主导抖音推荐算法分发主导68.2663广告收入（亿）400100100040030020010068爱奇艺编辑分发主导百度搜索分发主导朋友圈微博订阅分发主导抖音推荐算法分发主导0368单用户广告收入5345286资料来源：公司公告，预测（收入为 2020 年）资料来源：公司公告，预测（收入为 2020 年）三、从信息生产和分发两个维度思考行业变迁我们从信息分发方式和信息类型两个维度看信息传播方式的演变。从X 轴看，信息分发

10、方式经历了从编辑推荐到搜索到订阅到推荐算法的迭代，但这种迭代并不是替代关系，而是逐渐融合。目前主流的内容APP 通常融合了编辑推荐、搜索、关注、推荐算法于一身，但不同类型的产品在几种推荐方式流量分配比例上有所不同（如同为短视频产品，抖音 90%以上时长为算法主导的推荐页，推荐页中可供编辑/运营主导的通常为开屏第一刷；而快手关注/订阅页的流量/时长占比远高于抖音）。从 Y 轴看，生产门槛越低的内容，在整个产业链中信息分发方的话语权越重（如短视频）；生产门槛更高的内容如长视频/游戏，产业链中内容方的话语权和重要性更高（因此平台方往往采取向上游延伸直接参与内容生产的方式获取话语权）；而像购物/本地生

11、活等直接和物理现实的交易挂钩的信息，信息从分发到完成交易还需要一整套服务/基础设施来支持，平台方需要面临更大的挑战。图表 13信息生产和分发的 X-Y 轴资料来源：整理（一）从 X 轴出发：不同信息分发方式逐渐走向融合信息分发本质上是为了更高效率的完成信息和用户之间的匹配，以满足用户获取信息/消费内容等的需求，因此信息分发方式基于用户需求而存在，并无绝对的孰优孰劣。多元化的信息分发方式将成为未来的主流，但平台的早期特点和价值观导向决定分配系数的不同，进而造成不同平台的差异。以短视频产品为例，抖音快手视频号均融合了算法分发、关注分发、编辑/运营干预等多种分发方式，但不同平台的算法机制导致了流量分

12、配的差异。目前的产品越来越趋向于集合编辑推荐、搜索、关注、推荐算法于一体的综合型信息分发产品。图表 14抖音 APP 的几种内容分发方式资料来源：抖音 APP，整理图表 15腾讯视频 APP 的几种内容分发方式资料来源：腾讯视频 APP，整理（二）从 Y 轴出发：分发方式的作用存在边界从 Y 轴出发，信息分发方式并不能改造一切。生产门槛越低的内容(供给充足)，在整个产业链中“匹配”的重要性越高，因此信息分发方（平台方）的话语权越重（如短视频）；生产门槛较高的内容如长视频/游戏，产业链中内容方的话语权和重要性更高（因此平台方往往采取向上游延伸直接参与内容生产的方式获取话语权），创新的信息分发方式

13、往往作用有限；而像购物/本地生活等直接和物理现实的交易挂钩的信息，信息从分发到完成交易还需要一整套服务/基础设施来支持，因此对平台方的后端服务能力提出了更高的要求。图表 16图文信息分发演变资料来源：整理图表 17从货架电商到社交/信任电商到兴趣电商，电商 APP 变迁背后是购物信息传播方式的变迁资料来源：公司公告，整理（GMV 为 2021 年预测值）图表 18视频信息分发演变资料来源：整理（三）推荐算法的合规性和价值观探讨：人工引导与算法推荐并不冲突编辑分发的优势在于借助专业背景知识完成了从海量内容到有限展示位置的过滤和筛选，经过筛选的内容平均质量通常较高。但编辑分发的劣势在于少数编辑的判断与广大用户的需求可能会存在错位，因此传统媒体也有编委会投票、绿灯委员会等机制应对供需错配的问题。相比之下，引入了机器推荐算法的信息分发系统，由于达到了“千人千面”的效果，可以高效的匹配个性化的信息消费需求，相比编辑推荐通常拥有更高的推荐准度。但人工和算法并