最近一段时间都在做一些跟创作者相关的业务，相较于商业传统的三方（平台、用户、广告主），创作者是随着内容平台崛起而诞生的第四方，与其他三方的关系可以参考笔者之前文章 Yet Another Overview of an AD System

本文也是对之前的文章里创作者相关的部分做进一步的展开，主要是商机和加热两大块，前者主要是包括对商机部分中涉及到的各个链路的职责，以及各个链路之间的联动关系；加热中的自投与代投的产品形态，以及在流量上与广告流量的协同关系等。

商机

市面上星图、蒲公英、聚星、花火这一类合作平台，就是为创作者提供商机的官方平台（也有不走官方平台达成合作的，后文统一称为水下）

在用户的角度，这些产品连接着客户 (B) 和达人 (K)，是一个供需撮合平台；B 在平台通过一口价或招募的方式与 K 达成合作，付费后让 K 创作与发布内容，相当于 B 付费购买 K 的内容和流量

在平台的角度，这些产品连接着社区和广告，一端连接着社区，是创作者运营和成长的重要工具，另一端连接广告，是广告素材的一种重要的内容供给；因此这些产品往往需要同时考虑 K 端和 B 端两侧业务目标

在具体的实现上，这些产品一般会涉及到三条链路：撮合链路、推荐链路和广告链路，如下图所示，各个链路的职责如下：

• 撮合链路：B 找到对应的 K 创作相应的内容（视频，图文，直播等）
  
• 推荐链路：K 发布对应内容，推荐链路将 K 发布的内容分发，获得自然流量
  
• 广告链路：B 或 K 决策是否要额外付费加热相应的内容，或利用这些内容来投广

这部分会针对这三条链路的细节展开

撮合链路

撮合链路最基础的职责就是让 B 和 K 达成合作（通过 1v1 和 1vN 的模式），即为 B 在平台上推荐的达人，类比常见的 C 端的推荐系统，这其实算一个 B 端的推荐系统，只是候选集和系统的复杂度是远比不上 C 端的推荐系统

这个系统最终的优化指标就是 BK 的撮合流水，但除了流水，K 的商机的分布、B 和 K 的操作体验等也是平台需要关注的部分，因为撮合链路上往往会遇到下面的问题

（1）变现产品体验不佳，如变现模式不够丰富、易用性差、审核规则不清晰等

（2）K 的变现经验不足，缺乏引导，不知道该如何变现

（3）流水的行业集中度高，总体集中在某几个头部行业，其他行业供需失衡

（4）......

在链路上的效率优化上，撮合链路往往也是有较大的挑战的，因为不像常见的 C 端流量实验，由于流量比较大，指标相对来说较好观测（如广告的展点消等），这类 B 端的实验由于流量有限（只有 B 侧用户）、成单周期长（30 天 +），很多产品能力是比较难做效率的迭代的，或者说观测周期需要非常长

从技术视角来看，常见做法是挖掘和提升与流水相关的中间指标，但就笔者经历来看，成单过程中的各种中间指标（如 B 在页面上对 K 的 ctr、B 在网页上的停留时长等），跟最终的成单行为的相关性并不是那么强，因此想通过提升这些中间指标进而带动最终流水的上涨，也是有难度的

因此在撮合链路上，算法侧在优化链路效率的时候，没有特别好的可观测指标，这是技术优化一个比较痛的点；所以往往优化的方向是提升撮合能力多样性，即为 B 侧找博主提供更丰富的途径和工具，如可以让 B 侧提供多样的表达，eg 通过人群包来找博主，除了 1v1 的精准定向方式，也可以通过 1vN 的招募方式、cpm/cpa/cps 等结算方式，共同激发 K 的创作积极性，尤其是腰围部的 K

参考星图，撮合产品的形态往往是比较多样的

另一个在撮合较为常见的优化方向是分行业建设（跟广告类似），重点挖掘需求强 (B) 但供给不足 (K) 的行业，提供更多分行业解决方案

推荐链路

B 和 K 达成合作后，K 会发布其创作的内容，这个时候笔记就会进入第二条链路：推荐链路，而这部分也是技术侧重点优化部分，因为涉及到了分发相关的流量侧机制，同时也是影响其他两条链路的关键地方

这里先说下这类撮合产品最容易遇到的问题，即 “水下” 问题；这里有个概念需要说明，水上即是走官方合作平台的 BK 撮合，需要给平台交一定的手续费；而水下指的是 B 不通过平台与 K 直接建联

站在平台的视角，肯定是希望 BK 撮合都走水上，因为除了手续费作为利润，还能对平台的这类商机有更好的管控；但在 B 的视角，走水下既能省手续费，内容又能更原生（有些平台对水上的内容会明确打标），因此水下与水上的博弈，会是一个平台长期需要解决的问题

因此为了让更多的预算从水下翻水上，平台需要做好两件事

（1）提升撮合平台的易用性与效率，即平台需要让 B 和 K 的建联更容易

（2）流量分发上，水上需要建立与水下有差异的分发机制，并对 B 侧透出笔记走水上的权益

第（1）点主要跟撮合链路挂钩；第（2）点则是跟这里说的推荐链路强相关，因为 BK 撮合的笔记跟 K 自己发布的笔记在形式上基本是无差异的，一般都是走大盘的分发，在这种方式下，相当于水上笔记与水下笔记的流量分发没有任何差异，这样 B 走水上的意愿就没有那么高了

所以要做水下翻水上，水上的流量分发需要做出差异，需要更多考虑 B 侧的权益；而实际上，K 与 B 的权益 / 目标并不是二元对立的，本质上是平台对 B 的钱袋子在不同 K 的分配之间做干预，所以首先要服务好愿意出钱的 B，然后需要考虑如何在不同 K 之间做好分配

而 B 侧往往是有营销诉求的，在星图、蒲公英等平台上买到的素材，会是其投广素材的一个很重要的来源，且这个素材的在 K 发布后获取到的自然流量的效果，是影响 B 拿这个素材投广的一个很关键因素；如下图所示，在 B 掏钱买 “素材 + 流量” 的模式下，推荐链路获得的自然流量，会同时影响其在前后链路的效率

因此，有差异的流量分发，就是指这部分自然流量的分发方式和效果，在实际中，可以考虑为这部分流量加入一些 B 侧更关注的营销目标作为排序公式的一部分，然后在这部分流量上也做好归因并透出给广告主

广告链路

前面提到，广告主会拿 BK 撮合产出的素材来投广，实际中往往也能观测到这种现象，利用 BK 撮合产出的素材来投广，其效果是要更好的；原因往往是；如下图是星图统计的结果（from 2024 巨量引擎营销通案）

而决策内容是否投广的一个重要依据，就是这些素材在自然流量上的效果；从技术视角来看，这两部分流量分发是两条独立的链路，分发目标不同，因此存在流量相关性弱的问题，流量数据对 B 侧投广参考价值小；大白话就是客户如果拿一篇在自然流量上数据好的笔记来投广，实际的投广效果不一定好，客户缺乏选择素材投广的方法论

从技术视角，技术上可以做功的一个方向就是增强这部分自然流量与广告流量相关性，即让客户的体感上这两部分流量的相关性是存在的；因为这部分投广素材的自然流量，某种程度上算是笔记投广的冷启动流量，利用好这部分冷启动流量，更好辅助客户的投广，进而撬动更多的这些撮合素材投广，预期是能带来撮合流水和广告流水的增长

在具体的技术手段上，前面提到，可以在推荐链路的分发中加入一些 B 侧更关注的营销目标作为排序公式， 在这个基础上，对这两部分流量的特征 / 样本做互通，可以增强广告冷启动效果；而在自然流量上好的素材，在其被应用来投广后，也可以尝试更激进的广告出价策略等

对这两部分做得更极致的联动，则是类似星广联投的产品，这个产品不再是先有自然流量，再有广告流量的顺序，而是利用客户的预算，在自然流量和广告流量上同时做营销， 流程如下图所示

加热

加热往往与商机相辅相成，加热是创作者用于辅助其成长的付费工具，成长到一定体量的粉丝量后，就需要通过商机来变现；有点类似 B 侧视角的种草和拔草

dou+、粉条、薯条这一类产品，就是用来服务所有创作者的内容加热工具

这些产品对创作者的内容质量有要求，往往要求营销感不能太强，有专门的内容审，也不打标；“加热” 也意味着优化目标不强，一般是阅读，赞藏，主页访问，加粉等比较浅层的目标

同时，dou+ 也支持强营销感目标如获客、商品购买、直播间推广等， 如下图所示；与前面的浅层营销目标的一个较大的区别是其服务对象，加热的一般是创作者在投，主要目标是自身的成长，而强营销目标则是素材制作能力强的广告主在投，这部分广告总体还是会考核成本、roi 等目标，这里其实也涉及到下面要提的流量机制

出价与预算

因为创作者对广告竞价理解有限，所以往往在出价方式上，会选择 nobid 类的出价方式，从而降低创作者对成本、赔付等成本类出价的理解门槛；这里有一个比较有意思的问题，就是从出价角度来看各个产品的预算增长逻辑

先看看成本类出价，像 ocpx 这种成本类出价，预算增长的逻辑是通过出价、模型等优化，让实际转化成本更贴近广告主的出价，然后随着大盘的竞价的能力变强、总体 ecpm 水位上涨，广告主需要提高出价才能拿到更多的量，相当于广告主愿意为一个转化付出更多的钱，平台把转化卖得更贵，进而带来大盘收入上涨（打平转化数）

而 nobid 类出价往往是能把预算都花完的，所以 nobid 类出价的预算增长，往往是让转化成本下降，广告主的 roi 变好，然后广告主愿意投入更多的预算

nobid 的成本需要持续下降，看起来似乎跟前面的成本类出价的是矛盾的，并且从长期大盘消耗 aa 增长的角度来看，adload、ctr、cvr 都是有上界的，即转化数是有限的，因此持续让转化成本下降，相当于是让大盘收入持续下降

所以不能让 nobid 类的出价产品的成本持续下降，前面提到的 “广告主的 roi 变好，然后广告主愿意投入更多的预算”，是一个比较长期的预算 aa 增长逻辑，在这个过程中，往往会带来成本的上涨，比如说两个 nobid 计划，除了预算不同，其他的配置都相同，在这种配置下，往往是高预算的计划的成本比低预算的要高，因为在一段时间的流量池里，便宜的流量是有限的

所以问题会变成：当广告主在 nobid 类出价产品提升预算，带来的成本与跑量的同时上涨后，成本是否还在广告主心里预期的 roi 红线以内，如果还在，那是有可能接受成本的上涨的，因此，nobid 的消耗增涨逻辑变成了：平台通过效率优化不断优化广告主的成本，进而吸引广告主增加预算（在成本可接受范围内），进而带动总体的消耗增涨（因为 nobid 的预算总是能花完的）

这样看来，nobid 的增长逻辑跟 ocpx 是类似的，也是在广告主心里预期可接受范围内，把转化卖得更贵，只是在 ocpx 这类产品中提 bid 的操作变成了 nobid 中提预算的操作

流量机制

由于加热产品本质上是平台在卖流量（与广告主产品一样）；因此在流量分发上，一个很直观的做法就是将这些不打标的内容与打标的广告共同竞价，即精排基于 ecpm 与广告混竞、混排有相同的约束，与广告共享 ad load

但这样做会观察到的一个现象，就是一旦遇到 618、双 11 之列的大促，在混竞情况下，这类加热产品的 load 就会下降，同时各种营销目标的转化成本也会上涨

究其原因，还是因为在混竞的情况下，这类加热内容是在广告竞争流量的，因此成本是与会随着广告竞价大盘的成本水位上涨而上涨，成本无法做得比较低；而创作者预算少、出价能力弱，在跟大广告主混竞情况下，容易受到大广告主的挤压，或者说内容优质 + 不打标带来的 ctr、cvr 优势，弥补不了 bid 的劣势

因此这类不打标的付费加热内容（有些平台也叫原生广告），往往需要独立排序链路和 load，同时在混排需要有独立的约束（首坑、最小 gap），或者说作为一路跟硬广和推荐内容做混排，从而避免被硬广积压得太狠

某种程度上这算是一个流量价值洼地，因为创作者加热产品，其实还肩负着创作者成长的，丰富平台内容的生态价值，所以这部分流量也算是对创作者成长的某种扶持

自投与代投

一般创作者加热产品都是自投或代投，即创作者自掏腰包为自己的作品加热，或者是创作者的粉丝自愿为创作者的笔记掏钱加热，总体的预算普遍还是小的，容易受到大广告主的挤压

但是还有一种稍微有点不同的代投模式，即平台为大广告主优选 ugc 的笔记，然后大广告主对这些 ugc 笔记做加热，比如说以原神这个游戏为例，会有很多的 ugc 笔记，而平台在中间通过 “撮合” 的方式，让广告主愿意为这些 ugc 笔记加热，直观来看，会是一个三方共赢的模式

• 对于用户，只要做好内容，就有机会被平台和广告主选中，给予流量补贴（品牌付费）和现金补贴（可选）
  
• 对于广告主，节省了素材制作的成本，平台会从海量的 ugc 笔记中优选出营销感更弱的笔记给品牌投放
  
• 对于平台，能以这种方式引入更多预算（也有可能是转移），同时利用品牌方的钱来辅助做创作者成长

但是产品本身也会存在一些限制

• 基本只有大品牌 / 广告主才适用，因为需要品牌被用户熟知才能被有大量的 ugc 笔记
  
• 大品牌方如果通过这种方式把预算较好花完，可能就不会在前面提到的撮合平台再买素材了，可能会对撮合流水有一定影响

在技术实现上，总体与常规的加热差异不大，主要区别是涉及到了笔记的优选过程，包括投前的圈选和投中的优选等；因为往往 ugc 笔记的数量都是比较大的，如果通过算法手段选择出合适的笔记供品牌选择投放，或者做成托管的方式在投中做优选，是一个需要考虑的问题

小结

本文主要讲了与创作者相关的两个事情：商机和加热，前者是创作者赚钱的手段，后者则是创作者花钱做成长的途径

平台推出的撮合产品是完成商机的重要工具，一个完整的生命周期往往涉及到撮合链路、推荐链路和广告链路这三条链路，其中推荐链路中的流量分发是尤为重要的一部分，因为会同时影响 B 对 K 的笔记质量判断以及后续的投广决策，进而影响撮合流水，以及广告主的投广预算等

平台推出的加热产品是辅助创作者成长的重要工具，本文探讨了这类加热产品常用的 nobid 类出价的预算增涨逻辑、流量机制以及代投的一种新的产品形态，在这个过程中，平台需要充分发挥主观能动性，尤其是流量机制这部分，不能只从收入考虑这部分流量的价值