编辑导语：抖音和快手的核心差异：单列和双列的产品设计带来容错率的差异，容错率的差异可以从用户行为差异导致的数据差异进一步解释。本文就短视频单列和双列，谁的内容容错率更高展开了分析。推荐对短视频感兴趣的用户阅读。

“我自己也很惊讶，毕竟直觉上，我也一度认为双列的容错率才是更高的。”

要说前两年，短视频的两个UI流派尚在割据，但从今年开始，双列式微，单列已雄霸天下。

可是，双列不甘心！这篇就来唠唠每逢提及单双列，就绕不开的试错成本问题。首先明确一下定义：

• 试错，是用不确定信息，去试探用户。
• 单位时间里，不确定信息越容易把用户赶跑，就意味着你的试错成本越高。
• 容错率，就是用户能够容纳这些不确定性信息的肚量。和试错成本成反比。

有人可能会问：“好好的，干啥要吃力不讨好地去推荐不确定信息呢？”

2个目的：

1. 不知内容好坏，让用户帮忙排雷：创作者每天发布海量内容，需要让海量用户做「晋级评委」，来决定是否可以继续扩大圈层分发。基于此，平台就有概率，把没那么好的内容，小剂量地试投给确定感兴趣的用户。
2. 给用户做兴趣探索：一为纯新用户和低活用户做兴趣推荐，二为老用户破开信息茧房。但对推荐算法提出了更严苛的挑战：我们不仅要考虑如何「猜你喜欢」，更要通过产品设计，实现「让你喜欢」。因为后者，才会真正改变用户的生活。这是长期主义，也是社会责任。

我先抛一个可能和大众意见相左的观点：

• 从内容冷启的试错角度，单列和双列的容错率平分秋色
• 从兴趣探索的试错角度，单列的容错率更高

总的来说，单列容错率更高。

我自己也很惊讶，毕竟直觉上，我也一度认为双列的容错率才是更高的。

一、内容冷启层面，单列和双列容错率平分秋色

1. 从消费者角度出发

在双列场景下，用户若不喜欢这条内容，滑走就好，并不会付出过多的心血。但要知道，在双列UI下，「图片吸引比重」会高于「从众心理比重」。如果用户对封面满怀期待，点进来却大失所望，会产生预期差，是平台的慢性毒药。

预期效应：指的是动物和人类的行为不是受他们行为的直接结果的影响，而是受他们预期行为将会带来什么结果所支配。

在单列场景下，碰上无聊的内容，虽也是轻轻地滑走，但用户付出的视听精力会沦为沉没成本，用户厌恶这种精力的错付。

损失厌恶是指人们面对同样数量的收益和损失时，认为损失更加令他们难以忍受。同量的损失带来的负效用为同量收益的正效用的2.5倍。

从这点来看，双列容易埋下预期效应的坑，单列容易引发用户损失厌恶的心理，这二者难分高下。

2. 从创作者角度出发

无论什么UI，创作者的工作都会被异化。双列容易培养封面党，单列也容易培养5s党。5s党和标题党，不过五十步笑百步罢了，本质上没啥区别。

兴许有人会说，若把内容分发看作一场应聘，单列帮创作者争取到了前几秒的面试机会。但我认为，这不过是一种不同的洗牌方式罢了。创作皆苦啊。

二、兴趣探索层面，单列的容错率更高

做探索，目的是发现用户在已知用户画像之外的其他兴趣。

有观点认为：

双列是一个点击场景，用户需要自己主动挑选内容。用户点错了，怪罪平台的概率会小很多。

在单列模式下，用户会认为内容都是平台给我推荐的，口味上就会比较挑剔，对确定性内容需求更高。

相较而言，双列可以有更多的流量空间给用户做探索。

这个说法较笼统，我们不妨将其拆分一下。

用户因单个内容怪罪平台的概率=用户对内容的失望程度+内容不感兴趣程度+逃离操作成本。

1. 「逃离成本」二者基本相等

双列把用户可能不喜欢的内容藏于万花丛中，对用户干扰更少，滑走效率更高；单列把「逃离+消费下一个」集成在了一个滑动操作里，更速效方便。

2. 「失望程度」二者基本相等

什么内容会让用户失望？质量不高的内容+有欺骗性质的内容。这类内容的出现，应归咎于平台品控，和UI无关。用户并不会因为这条劣质内容是自己点的，而少怪罪平台一点。相反，根据大脑自我防御机制，他会怪罪平台更多。

自我防御机制这一概念由精神分析心理学家弗洛伊德提出，指人们在面对挫折和焦虑时启动的自我保护机制，它主要通过对现实的歪曲来维持心理平衡。

优质但用户不感兴趣的内容，给用户产生失望的感觉较小。

3. 内容不感兴趣程度，单列小于双列

用户对内容的不感兴趣，可以视为挖掘到用户兴趣的难易程度，兴趣挖掘分两种：

1. 挖掘用户知道但推荐系统不知道的兴趣，提升用户画像的覆盖面
2. 挖掘用户自己都不知道的兴趣，拓宽用户的生活

前者是「猜你喜欢」，后者是「让你喜欢」。我们主要说一下后者。

相信推荐从业者都知道，双列或单列多个内容的列表页，做「让你喜欢」的兴趣探索有多难——用户基本不会在双列信息流场景点不他感兴趣的内容。

为什么那么难呢？不妨用比较思维来看双列场景：当一个你不太感兴趣领域内容，和你感兴趣的内容并列放在一起。相信90%的用户会毫不犹豫地进行保守选择，点击那个你熟悉的、感兴趣的内容。于是乎，被点剩下的那条，就会被降权，打入冷宫。

成也双列，败也双列。

要真正帮助用户拓宽兴趣面，让用户时看时新，可谓任重道远。兴趣挖掘之于推荐，如同唐门暗器之于魂师魂兽。做好了，就是格局开大、万物生长；做不好，就是信息茧房，存量博弈。推荐系统一直困顿于此。

终于，皇天不负有心人，兴趣探索被单列UI破局。单列为什么那么好做探索呢？原因有几点：

1. 用户对平台的信任。你的一个好大哥，给经济小白的你，推荐了《第一本经济学》，你很信任这位好大哥，看的概率更大
2. 单列全屏没有对比性，比较思维被弱化了，选择少了反而更幸福
3. 中国有句老话：来都来了……

以我自己为例：

以前不了解综合格斗，2020年在抖音刷到张伟丽战胜乔安娜·耶德尔泽西克的卫冕赛视频，大受震撼。从此知道了一个比赛叫UFC。

也曾因为某个电视剧混剪视频的配乐太抓耳了，我自然而然地看了下来，继而对这个电视剧种草。

说起音乐，抖音音乐短视频app不仅挖掘了用户音乐兴趣，还改变了用户音乐审美。它不仅解决了「猜你喜欢」，还能「让你喜欢」。

音乐和视频深度结合的方式，它具备潜移默化改变”音乐审美”的能力。通过视觉和听觉的感官上的融合刺激，重新赋予了音乐新的生命，也让大众有更多机会去接受本来可能不会听“第二遍”的歌曲，从而逐渐改变了对音乐的原有认知。让更多独立音乐人的小众音乐得以被接受和传播。

我们自己做实验，也得到了相似的结论：单列做探索，要好做得多。

三、额外谈谈「屏效比」

额外谈谈这样一种观点：

双列屏效比高，有更多的流量可以用于小样测试来发掘用户兴趣。

屏效比确实很容易迷惑我们。它甚至是一些资讯app、传统媒体信奉的UI信条。

提及双列UI，无论是谁，都会给屏效比一个大大的赞。

屏效比就是一屏常规手机屏幕的内容曝光效率。双列UI，一屏给用户4~6个视频选择，单列只给了用户1个选择。毋庸置疑，双列UI较之单列，给了平台4倍以上的试错机会，单位时间内单个视频的试错成本很小，听起来确实前者的容错率更good。

注意，大家在同意上述观点的同时，也默认了这样的逻辑——我双列吸引用户注意力的概率是你单列的4倍以上。即使你是纯新用户，我选4个大众兴趣，每个兴趣推一个，我把点击欲望拉满，就不信猜不中你的心。

听起来好像没问题，但有一个重要事实被忽略了——同样是个性化推荐，单列较之双列，有3个极大的变量：「全屏高清」+「自动播放」+「音乐」。

双列从个性化推荐角度，提升了单位时间命中用户注意力的概率，但拦不住单列另辟蹊径啊！单列提升了单个视频的视听信息量和冲击力。它是汹涌而来的感官风暴。

用户不用在四个中小图片里找一个点击，而是直接被推到了一个最为大众喜闻乐见的内容的视听场景中去。咱就是说，一个全方位感官包裹的大动作。

此刻，两极反转，屏效比失灵了。

综合来说：注意力的夺取，取之于综合体验，而非是单位时间呈现的内容数量。

单列试错成本更低，无非就是：

体验更好，视听信息量更大，沉浸感更强，更能吸引用户注意力，所以用户耐心更好。

我相信抖音的slogan：记录美好生活。

对这句slogan，我的理解是：用户通过单列视频，发现美好生活，然后放下手机，找到自己的美好生活，发上来，记录美好生活。如此循环。

本文由 @白鹿 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于 CC0 协议