道高一尺，魔高一丈？那些思路清奇的增长方法

编辑导读：随着人口红利消退、流量红利和资本红利的萎缩，互联网下半场带来的“增长”思维逐渐萌芽。各大平台为了获得流量，进而制定了各种增长策略。文章对一些策略进行了梳理拆解，一起来看看~

作为流量平台的搜索、推荐等策略产品经理，会设计很多策略来分配流量，或提升点击率、转化率。

这些策略往往要经过多轮迭代，才会相对比较成熟，所以在迭代过程中就会存在一些漏洞。

那对于在这些平台获取流量，即做增长的一方来说，就存在捕捉这些漏洞的机会。这些机会的发现，也常常需要一些逆向思维。

今天十五就分享几个过去了解到的，一些非常有意思的机会。

一、点击模型与点击提权

过去我们曾经聊过搜索系统的迭代与演进，对于搜索系统来说，随着产品上线，用户的使用会为系统累积大量的点击样本。

这些点击样本帮助系统逐渐从一些基准模型过渡到点击模型，即排序学习（Learning to Rank，LTR）方法来。

换句话说，系统通过对样本的学习，能够建立模型，在搜索结果中增加高点击率内容的权重。

因为通常来说，点击率越高的内容，越有可能是用户真正想要的搜索结果。

但是反过来想，作为SEO的一方，也可以利用这个逻辑，提高自己网站的搜索排名、拿到更多流量。

例如不断地去搜索目标关键词，然后在搜索结果中点击访问自己的网站，给系统留下一个点击的样本。

这个过程可以自己人工来做，也可以用机器批量做，还能分发给众包去做。

这就是点击提权，即通过这种点击行为，来提高目标内容的权重。过去一些做SEO的朋友，在搜索引擎并不成熟的时期，通过这种方法获取了很多流量。

从更一般的角度看，其实标题党、摘要诱导等也是一种点击提权。同时点击提权作为一种最常见的作弊方法，也能够应用到广告、搜索提示、热榜等各产品模块。

所以，如果只是简单地做点击模型，很容易被人钻这种漏洞，把劣质内容提权提上来。对平台来说，评估内容质量、识别作弊流量，是一个任重道远的事情。

二、社交推荐与精准投放

微信视频号的社交推荐，自上线之日开始，就是一个津津乐道的话题。

但其实抖音很早就在社交推荐方面，做过许多尝试。如果抖音刷得比较多，偶尔可能会看到这样的推荐Tag：

想来也非常合理，所谓人以类聚，物以群分，除了这种朋友发布过的视频，其他诸如朋友点赞、评论或者收藏过的短视频，很可能你也会喜欢。

不过作为一个本身没有社交网络的短视频应用，抖音想要挖掘用户原有的社交关系，需要从各种各样的蛛丝马迹入手，去挖掘用户之间的关系。

例如同WIFI网络关系、微博等第三方授权登录后获取的关系、授权获取的用户手机通讯录等。

只要你们有一丝丝的交集，都可以用来作为一种权重，提高好友喜欢的视频的出现概率，增加推荐的准确率。

举个例子，生活中如果用户A的通讯录中存了用户B的手机号，那么通常情况下两个人是认识的，或者说两个人相互认识的概率，比数据库中随机两个人要高得多。

所以，给A推荐B点赞过的视频，或者给B推荐A点赞过的视频，都是一个说得过去的社交推荐逻辑。

不过前面也说了，这只是通常的情况。如果A存了B的手机号，B就真的认识A吗？或者甚至说，A就真的认识B吗？

问题就出在这里。

大概去年还是前年，有人做了这么一件事情：

首先通过一些灰色或黑色手段，拿到了一批相对精准的用户手机号，例如都是宝妈、或者都是大学生等；

拿到这些手机号后，通过导入通讯录功能，批量地将这种“好友关系”授权给了抖音；

接下来开始做一件什么事情呢？模拟一个用户开始刷视频，其他视频随机跳过，但是呢，给自己发布或自家维护的账号上传的视频，则打满了互动，点赞、关注、评论、完整播放，操作拉满。

于是，等到这些“好友”上线后，很多人就会发现这些被精心准备和操作过的视频，由于社交推荐的原因，“精准地”出现在了他们的视频流中。

后面就该引流引流，该转化转化了。相当于用免费的方法，增加了许多曝光，并且达到了类似付费广告的精准投放效果。

这些人也前前后后悄咪咪地赚了七位数。

当然，对于平台来说，在推荐策略的迭代过程中，可以进一步改进系统防止这种“偷流量”的行为。

例如将通讯录中的好友关系视为单向而不是双向，或者用二度关系进一步筛选。

但不得不说，这样的获客思路，可以算是非常清奇了。

三、打散逻辑与空白价格带

在推荐产品中，“打散”是一个非常常见的逻辑。