[1/2] Attention Factory: The Story of TikTok and China's ByteDance (TikTok. Фабрика Внимания. История взлета) (Рубрика BusinessStory)
Эта книга 2020 года была написана Мэтью Бреннаном и рассказывает про траекторию роста компании, видение основателя и конкурентный ландшафт китайских социальных медиа, которые помогли сформировать глобальный феномен, которым стал TikTok. Автор книги является экспертом по китайским интернет-технологиям и инновациям. Его мнения часто цитируются в таких изданиях, как Bloomberg, The Wall Street Journal и The Economist. Бреннан прожил в Китае 16 лет, свободно владеет мандаринским диалектом и является управляющим директором консалтинговой компании China Channel. Мне понравилась подача автора и его размышления о стратегии развития компании ByteDance.
Книгу можно поделить на отдельные составляющие и начать нужно с того, что значительная часть посвящена основателю ByteDance, Чжан Имину, и его стратегическому видению. В ней рассматривается, как его инженерное образование повлияло на подход компании, ориентированный на алгоритмы, и как его стиль руководства сформировал корпоративную культуру и бизнес-решения ByteDance. Повествование подчеркивает, как Чжан увидел возможности в экономике внимания раньше многих других технологических лидеров. Интересно, что к моменту основания ByteDance он уже поработал в нескольких стартапах: тревел, недвижимость, аналог твиттера.
Дальше он основал компанию ByteDance попробовал позапускать приложения и остановился на Toutiao ("Заголовки"). Это был запущенный в 2012 году новостной агрегатор, использующий алгоритмы искусственного интеллекта для персонализированной подачи контента. В этот момент на рынке уже было много контентных сервисов, но Имин, основатель компании, понял, что один из форматов почти не был занят. В книге есть цитата о его подходе Эффективность информационного потока - главная тема всей моей предпринимательской деятельности Для этого надо было взглянуть на модель распространения контента на китайских платформах в 2013 году. Модель представляла из себя матрицы 2x2, где осями были: активная vs пассивная модель, а также кто ее готовит человек или машина. Получалось 4 варианта
- Пассивная модель и в ней участвует сам человек (модерация и соцсети) - тут были классические новостные порталы, "моменты" из Wechat (подборки без особой рекомендательной составляющей)
- Активная модель и в ней участвует сам человек (подписки) - это аккаунты Wechat от Tencent, а также Weibo (оно правда еще и с пассивной моделью пересекалось)
- Активная модель и ее готовит машина (поиск) - тут царил Baidu со своим поиском. Пользователю нужно было самому искать информацию
- Пассивная модель с участием машины (рекомендации вокруг контента) - здесь было пусто и ребята из ByteDance решили занять эту нишу В итоге, пассивная модель с участием машины - это самый экономичный по затратам способ для потребителя контента.
Для построения рекомендательной системы ребята взяли концепцию трех профилей
- Профиль контента - тут использовался NLP для анализа семантики текстов, а также дата публикации, чтобы понимать его свежесть
- Профиль пользователя - здесь использовалась история поведения пользователя + вся информация, которую можно было извлечь из этого поведения
- Профиль среды - здесь авторы пытались понять где именно автор потребляет контент: на работе, дома, по дороге между ними, а также погодные условия, качество связи и так далее. От этого зависят паттерны потребления и рекомендации
В итоге, ребята смогли раскрутить маховик данных, где новая информация о пользователе приводила к более точным рекомендациям, большему потреблению контента, а значит и увеличению длины сессии использования, а значит и к большему количеству данных.
Продолжение про короткие видео в виде Douyin и Tiktok в следующем посте.
#Management #Leadership #BusinessStory