摘要
成立近五年的快看漫画，已经拥有超过 1.7 亿总用户，4000 万月活用户。不走多而杂的内容路线，快看漫画在内容的筛选、推荐、分发上有自己的一套方法论。快看漫画 CTO 李润超表示，做长内容的个性化分发和短内容的个性化分发有很大区别，每部漫画要拆分到每一话的级别做个性化推荐。那么定位中性的作品针对男女用户要怎么推荐？对同一用户是应该重复推荐没看完的作品还是新作品？这些都是做长内容推荐面临的挑战。
思考如何更好呈现内容的同时，快看漫画也在用技术赋能创作者。快看漫画搭建了一套指导创作体系，用技术手段整合用户画像、漫画标签，进行漫画、视频、UGC 平台监测，辅助创造者预估热点。但李润超称，中国的漫画产业还没有发展起来，作为一家内容生产和分发平台，快看漫画走少而精的路线，也是希望通过优秀的 IP 拉动国漫产业的发展。
本期对话 CTO 请到了快看漫画 CTO 李润超。相较于短内容的个性化分发，长内容的个性化分发难点在哪？占据漫画市场一半份额的快看漫画又有着怎样不同的技术与商业模式？围绕这些问题，李润超聊了聊他的看法。
用技术解构漫画生产和内容消费
颖奇：非常感谢快看漫画 CTO 李润超同学接受我们的采访。首先能否请您讲一下，快看漫画作为内容阅读平台与其他同类产品有哪些不同的技术特点？
李润超：技术特点上主要的区别在于我们比较重图片质量。快看之前，中国漫画平台上的图片基本都是不清晰的。做高清图片的挑战第一点是加载速度，要让用户能快速加载图片，尤其针对低端机用户。所以一方面要更好的压缩图片，一方面也会想一些小的技巧，比如把图片切得小一点，包多一点来提高加载整体流畅性，所以快看的图片加载应该是同类 APP 里比较流畅的。第二点就是在考虑成本的情况下去做带宽的压缩。比如，我们去做各个机型的适配，要识别手机的分辨率，然后把图片做成多级，这样会根据用户设备的分辨率的不同，尽可能给他质量最好的图片，又能节省宽带成本。我们先是提升质量，之后找压缩算法，用 WebP 格式去压缩图片，加载速度如果还是不够好就再去切图片，之后再考虑怎么去降带宽。
颖奇：快看是否有一些可以公开的数据，比如说漫画整体的内容数量、存储量等等？
李润超：我们分析过全网的漫画数量，一共是有 20 万部作品左右，但快看都是精品作品，只有 2000 多部，应该有几十个 T 的存储。
颖奇：所以快看的技术团队在未来 1-3 年的最大的挑战会是什么？
李润超：如果从纯技术角度来看，可能最大挑战是做个性化分发。其实在中国的长内容领域，或者说连载型内容领域，没有哪家个性化分发应用的比较好的。通用的做法是长视频网站抓大热点；小说网站靠排行、分类，基本没有去做个性化分发的。
我们过去内容很少，也是靠热点推介，然后靠排行、分类这样的去做整个的内容分发，但这是一定会带来瓶颈的，传统推荐相当于你已经划定了你能满足的人群。我们大概从 17 年开始做个性化分发的事情。
颖奇：推荐算法一般都是利用比较大的量去分发，快看漫画 2000-3000 部作品做分发的话其实库不太大，那么个性化分发的价值在哪里？
李润超：其实长内容的个性化分发和短内容的个性化分发是有很大区别的。比如说短内容，追求的可能是推给用户内容的点击转化率、消费时长等；长内容可能追求的是这一屏有一个内容，用户进去之后能看上 20 话。也就是每一屏都需要一个能够让用户深度往下看的内容，这是第一个区别。第二个区别是短内容是不会给用户重复推的，而长内容是要重复推的，用户前一天看这个作品看了 20 话，并且还有 30 话未读，那么用户下次来我还应该让他看这个作品。我们做推荐会去考虑，用户这次进到这个页面里最想干什么，有可能是想追更，也有可能想探索看新作。所以长内容和短内容用力的维度和方法是不一样的。
颖奇：甚至每部漫画每一话推的方式可能也不一样，如果从每一话来看就是很大的量了。
李润超：对。我们现在也在尝试相关的推荐方式。每一话我们是提出剧情热点，用个性化的封面和文案组合去推等等。例如男女都喜欢的作品，如果做个性化推荐，拆到每一话的级别，针对不同性别人群会个性化组合封面、文案和剧情热点等推荐理由。这个要拆的话就非常细了，表面上看好像是可以被推的实体不多，但其实一个作品又能拆出很大的量。
颖奇：我们通常认为「推荐」就是定向的给用户推荐内容，而现在却变成同样的东西给不同用户以不一样的维度和视角去推荐，这种还是比较少见的。音视频等其他内容行业，有人在做类似的事情吗？
李润超：Netflix 应该是这样做的，他们很早开始尝试个性化推荐，在这个方向做的还是挺深入的。
颖奇：对于推荐算法本身，除了推荐系统的排序，还会有一些标签化的指导创作吗？
李润超：我们把作品打标签，一个作品打几十个维度，每个维度下可能有几十个标签，然后定期还要回顾这个作品新的剧情走向。标签体系有了之后，再基于既有作品的标签体系去看当前流行什么，再通过数据维度去看什么人群属性的人喜欢具备什么标签的题材，什么样的作品留存好，什么样的作品转化高，再往下拆就拆到刚才说像封面，文案，什么样的东西更吸引用户。
然后你刚才说的指导创作，类似 Netflix 的《纸牌屋》，我们也已经做了一些事情。把全网的漫画分析了一遍之后，我们会看整体上全平台漫画作品的趋势是什么样的，流行什么元素和题材，然后针对漫画做监测。漫画平台之外，我们还监测 UGC 平台、文学网站、视频网站等等。我们其实是前置了创作者看小说、看剧的输入过程，直接告诉他们这些题材可能会火。这个能力我们目前还在整合过程当中。
颖奇：所以它是一个辅助化创作的手段，把内容推荐给用户就是个性化推荐，通过用户的反馈进行创作就是指导创作。那指导创作这方面是否已经有一些比较成功的案例？
李润超：是的，我们去年火的一个作品叫《DOLO 命运胶囊》，这个作品是用平台流行元素作为命题去构思，然后创作出来的。用户反响很好，这个现在也是我们的一个头部作品了。
国漫产业的「引爆点」与快看漫画的社会责任
颖奇：目前中国的漫画创作生态大概是怎样的情况？
李润超：目前整个社会对于漫画的认知完全没起来。而且，中国以漫画创作为生的人，可以完全拿漫画的收入来养活自己的，应该是 1 万人以下。这个数量非常少，跟只有 5000 多万人口的韩国的创作者数量差不多，甚至比他们可能还少一点。
颖奇：那您觉得国漫爆发的一个关键点是什么？
李润超：中国需要一个能把整个产业链串起来的 IP，这个时候整个事情才会改变。国内有些漫画作品已经拍成电视剧和动画了，但能成为头部的比较少。头部是需要影响力的，比如拍完了动画，有没有人去找他要授权做游戏做周边，也要看它周边的生命周期有多长，整个收入结构是什么样的。比如说在日本的漫画收入结构，百分之七十几都靠周边来赚钱的。
颖奇：现在快看的阅读者年龄大概是怎样的结构？
李润超：基本 95 后、00 后为主。向上辐射大学和部分工作人群，向下辐射到中学生。
颖奇：现在很多平台都在做推荐算法，成年人是可以辨别推荐内容的好与坏的。但作为内容平台，是需要有一定社会责任在里面的，比如可能小朋友会看到一些东西，那么你们是怎么去把握这些内容的倾向性？
李润超：我们目前一共就几千部作品，每一话的剧情走向、人物设置，我们是严格能把控到的。虽然这会损失一些流量，但是实际上企业发展到这么大，要肩负的企业责任就到这个程度了。我们现在的视角是希望能够拉升整个国漫的水准，我们不倾向于用那些暴力低俗的东西去拉流量，如果你只做这些东西，整个的创作水准提升就会很慢，还会给社会树立错误的方向。
颖奇：您觉得软件技术或者互联网技术的发展，对漫画产业的发展产生了怎样的促进作用？除了能够更好地触达用户之外，还有其他方面吗？
李润超：最主要的贡献还是用户的触达。技术本身对创作能力的影响来看，我们现在做的主要还是辅助创作的事情，因为漫画创作本身是个门槛高的事。我们目前在做自动上色工具，对于 AI 也有一些应用，例如图片的超分辨率。我们可以下发一个相对有损的图片到客户端，再通过 AI 算法去还原，这样就节省了用户的使用流量，也加快了加载速度。AI 的另一个应用，就是我们本身在产品上有一种气泡式的弹幕，在整个漫画领域我们是第一个做这种气泡式弹幕的。有些用户喜欢用弹幕去覆盖对白，我们可以去做 AI 的识别，让弹幕一定程度的躲避文字区，并且用户可自行选择是否躲避。
颖奇：这会变成一种参与创作的玩法吗？
李润超：其实就是一种这样的玩法，就像网文一样，作者在创作的过程当中，每天会看到用户到他的漫画下面评论了什么，发了什么弹幕，这些都会对漫画创作起到辅助作用。
认同感是选择人才的重要标准
