公司技术突破 - 公司发布全新端到端多目标融合排序框架EMER 该框架以“会比较、自进化”为核心能力 重构了传统依赖人工经验公式的推荐模式 [1] - EMER框架的核心突破在于让AI模型学会在同一批候选视频中进行比较和选择 更贴近真实的推荐场景 [2] - 框架构建了基于“相对优势满意度 + 多维满意度代理指标”的方法体系 形成有效的监督目标 从而精准量化并持续优化用户满意度 [2] 技术实施与优化 - 公司提出新指标“单位时间互动概率” 将模型优化方向从“提高用户对单个视频的互动概率”调整为“提升用户在一分钟内产生的互动频次” 显著增强离线训练与在线效果的一致性 [3] - EMER框架已成功扩展至公司端到端生成式推荐系统OneRec的奖励模型中 并带来停留时长0.56%的额外提升 证明其强大的跨场景、跨链路复用能力 [6] 应用成效 - 在快手主站App与极速版应用中 EMER框架实现七日留存提升0.13%到0.2% 用户停留时长提升1.2%到1.4% [1] - 具体实验数据显示 对比传统人工公式 快手极速版七日留存提升0.196% 停留时长提升1.392% 快手App七日留存提升0.133% 停留时长提升1.199% 单列短视频观看次数提升2.996% [3] - 在Scenario1和Scenario2中 EMER框架相比FF在多项指标上实现提升 例如LT7分别提升0.302%和0.231% AppStayTime分别提升1.392%和1.199% WatchTime分别提升1.542%和2.283% VideoView分别提升1.044%和2.996% [4] 行业影响 - EMER框架为行业推荐系统的智能化升级提供了可落地方案 [1] - 传统推荐排序方法普遍采用“人工设计公式” 难以应对日益复杂的用户需求 例如一套公式适配千万用户的个性化偏好 以及当多个目标发生冲突时进行精准权衡 [2]

文章核心观点 - 快手策略算法团队提出端到端多目标融合排序框架EMER，以AI模型彻底替代传统依赖人工设计公式的推荐排序方法 [1] - EMER框架通过让模型学会“比较”而非“单独打分”，并引入自我进化机制，解决了行业长期存在的个性化不足、多目标冲突及离在线效果不一致等核心难题 [5][18][23] - 该框架已在快手主App和极速版全面落地，线上A/B测试显示其在七日留存、停留时长、播放次数等核心业务指标上实现显著提升 [30][31][34] 技术框架创新：从“单独打分”到“学会比较” - 传统工业界推荐排序采用两阶段范式：先由大体量模型预估用户多维度满意度，再通过人工设计公式将多目标标量化作为最终排序依据，存在个性化不足、非线性能力弱及多目标平衡难等瓶颈 [4][6] - EMER核心思路是让模型关注多个视频之间的相对好坏，而非给每个视频打独立分，其创新体现在数据、特征、模型三个层面 [5][6] - 在数据层面，EMER将用户一次请求中的所有候选视频打包成训练样本，解决曝光偏差并提供比较基础，与线上真实排序场景对齐 [7] - 在特征层面，为每个视频增加Normalized Ranks特征，明确告知模型其在当前候选集中的相对排名位置 [8] - 在模型层面，采用Transformer网络架构显式捕捉候选item之间的复杂关系，评估每个item的相对价值 [9] 用户满意度量化：从“绝对分数”到“相对优势” - 为准确量化用户满意度，EMER采用“相对优势满意度”替代绝对分数，通过Pairwise Logistic Loss训练模型区分用户对A和B视频的反馈偏好 [12][14] - 引入多维满意度代理指标作为独立的训练目标，让模型同时优化观看时长、完播率、点赞率等多个维度，兼顾即时与延迟反馈，更全面理解用户满意 [15] - 该方法解决了单一指标衡量满意度困难及事后反馈稀疏的问题，使模型在排序时能做出更精准的权衡 [15] 多目标平衡优化：从“人工调参”到“自我进化” - 针对多目标冲突问题，EMER引入优势评估器，能根据当前模型相对于上一版本模型的性能表现，动态自动调整不同目标的损失权重 [18][20] - 该自我进化机制以按请求级别的细粒度计算，确保模型持续适应不同用户的个性化偏好及同一用户随时间变化的行为，无需人工干预 [20] - 实验证明，该机制实现了多指标全面提升，初版模型成功融合78个目标且每个目标表现均优于传统公式，避免了固定权重模型导致的顾此失彼 [21][40] 离在线一致性保障：从“解耦悖论”到“互动密度” - 为解决离线优化单个视频互动概率与线上追求单位时间内互动密度不一致的“解耦悖论”，EMER提出新指标单位时间互动概率（IPUT） [23][24][28] - IPUT将模型优化方向从“让用户对某一个视频更可能互动”调整为“让用户在一分钟内产生更多次互动”，从根本上提升离在线效果一致性 [28][42] - 消融实验表明，移除IPUT的模型变体会出现离线指标与线上用户数据匹配度低的问题，验证了IPUT对模型“有用”的关键作用 [42][43] 落地效果验证 - 线上A/B测试数据显示，在快手极速版场景，EMER相比传统人工公式使七日留存提升0.302%，App停留时长提升1.392%，单列短视频观看次数提升1.044% [31][34] - 在快手主App场景，EMER使七日留存提升0.231%，App停留时长提升1.199%，单列短视频观看次数提升2.996% [31][34] - EMER在大多数PXTR上取得最优的一致性表现，并已成功适配到端到端生成式推荐系统OneRec链路及其他业务场景，显示出跨场景复用能力 [34][36] - 消融实验证实EMER各核心组件均为提升效果的刚需，移除任何关键设计（如比较能力、先验/后验信号、自我进化机制、IPUT）均会导致性能下降 [37][38][39][40][42]

行业核心观点 - 地推网推行业收益差异的关键在于是否对接“一手单”资源，避免中间商抽成，每单佣金差价可达10元[1] - 选择可靠的接单平台直接关系到推广员的实际收益，推广100单因对接二手资源可能导致收入减少1000元[1] - 2025年行业公认五大可靠平台以提供一手资源为核心，助推广员直接对接高佣项目实现收益最大化[2] 五大可靠平台特点 - 洽立方作为行业领头羊拥有超过200万用户资源，地推拉新板块汇聚100万以上用户，提供免费对接桥梁连接一手服务商与职业推广员[3][4] - 洽立方平台项目类型丰富多样，涵盖快手极速版、抖音极速版、京东外卖、淘宝闪购等热门项目，支持地推、网推、充场拉新工作室等多种渠道合作[4] - 任推邦专注于APP注册推广类任务，项目挑选严格且合作长期，任务稳定周期长，收入较有保障[6] - 任推邦覆盖网盘类、工具类、生活类、视频类等多种任务类型，配备数据追踪支持方便推广策略调整[6] - 爆推联盟作为老牌玩家以悬赏任务模式提供服务，与不少大品牌合作获取热门可靠项目，界面清晰接单流程简单适合新手操作[7] - 爆推联盟提供多样化APP拉新一手单资源，覆盖不同难度和佣金梯度项目满足新老推广员需求[7] - 鲨鱼灵工为运作成熟的老牌平台，与众多知名品牌长期合作，项目资源丰富均为高质量一手项目[9] - 鲨鱼灵工涵盖抖音极速版、快手极速版、淘宝一分购等热门拉新项目，平台项目价格稳定受到地推员青睐[9] - 洽立方小程序专注于抖音极速版、快手极速版、小红书等用户基数大认知度高的热门APP拉新项目[9] - 洽立方小程序服务创业者、自由职业者、兼职人员，汇聚阿里系、字节系、京东系等大厂APP拉新项目，同时提供问卷调查、游戏试玩、门店拍照等简单任务[9] 平台选择关键因素 - 选择平台需首要关注项目佣金和结算周期，佣金高低直接决定收入，一手单佣金比二手单高出20%至50%[13] - 结算周期从实时结算到每周结算不等，需选择适合自身资金流动需求的周期[13] - 考虑项目类型与个人资源优势，根据线下资源丰富或线上推广能力选择相应地推或网推任务多的平台[14] - 评估平台门槛和支持服务，新手应选择要求相对宽松的平台，并关注是否提供培训资料、推广素材和数据追踪支持[15][16] 实战技巧与进阶路径 - 新手起步建议从操作简单认知度高的APP拉新任务开始，如抖音极速版、快手极速版等项目因用户基数大推广难度相对较低[18] - 单纯依靠地推或网推收入有天花板，成功推广者需结合线上线下渠道实现多渠道收入，如线上积累用户线下转化或地推引导用户加入线上社群[19] - 资源积累需建立自己的用户池，通过建立微信群、朋友圈等私域流量池培养用户信任感提高复购率和转介绍率[20] 行业常见陷阱 - 需警惕中间商赚差价问题，选择直接对接一手资源的平台确保佣金未被中间环节抽成[22] - 注意数据透明度和结算稳定性，通过同行打听平台口碑特别是数据准确性和结算及时性评价，老牌平台在稳定性方面更有保障[23] - 避免违规操作和项目风险，严格遵守平台规则防止使用不正当手段刷单作假导致佣金无法结算或被列入黑名单[25]

核心观点 - 中金维持快手跑赢行业评级及89港元目标价 对应25/26年Non-IFRS P/E为18倍/15倍 当前股价存在18%上行空间 [1] AI技术应用进展 - OneRec推荐系统处理全站25%请求 降低运营成本至传统推荐流程的10.6% 带动主站及极速版用户停留时长提升0.54%/1.24% [2] - 大语言模型应用于营销素材端到端生成 提高点击率与转化率 技术框架未来将扩展至电商领域 [2] - 可灵AI工具2Q25实现收入超2.5亿元 环比大幅提升 7月AI内容播放量较半年前增长321% [3] - 可灵2.1版本首尾帧功能性能超越Midjourney及Seedance 1.0 mini 并通过灵感值体系与流量支持赋能创作者 [3] 创作者生态建设 - 万粉以上创作者投稿数量同比增长超100% 职业主播数量增长8% [4] - 日均发布商业内容超660万条 吸引超3.2亿用户观看 为370万创作者带来商业收益 [4] - 平台推动"短视频直播一体化"战略 加强公私域流量循环 [4] 商业化变现优化 - 短剧与小游戏等内容营销赛道提供变现解决方案 预计未来一年为创作者带来亿级分账收入 [4] - OneRec系统通过提升用户粘性降低带宽及用户维系成本 优化商业化变现效率 [2]

抖音极速版 - 平台提供专门赚钱中心 开宝箱看广告为主要金币来源 最高可获8200个金币 [1] - 电商类和游戏类广告转化效率更高 需针对性操作提升收益 [1] - 单个账号日均收入可达20-30元 需完成全部金币任务 [3] 快手极速版 - 独立任务中心嵌入多个看广告入口 观看内容可积累金币兑换现金 [5] - 电商大促期间(如618/双十二)金币奖励显著增加 [5] 腾讯视频 - 金币中心隐藏大量看广告任务 单个广告收益可观 [5] - 日均收益可达十几元 需完成全部广告任务 [5] 番茄小说 - 字节跳动旗下平台 听小说与看广告可同步进行 实现双收益 [7] - 后台运行不影响收益 操作便捷性突出 [7] U客直谈 - 非直接广告平台 但提供抖音/快手极速版暴涨金币资源 [3] - 支持广告变现创业项目 可自建广告app获取分成收益 [3] 行业特征 - 主流平台均采用金币兑换现金模式 任务中心为核心功能模块 [1][3][5][7] - 电商/游戏类广告转化率更高 大促期间收益弹性显著 [1][5] - 字节跳动旗下产品(抖音极速版/番茄小说)占据重要市场份额 [1][7]

核心观点 - 推荐系统正经历由大型语言模型（LLM）驱动的生成式革命，端到端架构成为解决传统级联架构瓶颈的关键[2] - 快手提出的OneRec系统首次实现端到端生成式推荐全链路重构，在效果与成本上实现双赢[2][8] - OneRec已在快手双端应用，承接25% QPS，提升停留时长0.54%/1.24%，LT7显著增长[2][33] 技术架构创新 - **架构设计**：采用Encoder-Decoder框架，将推荐转化为序列生成任务，Encoder压缩用户行为序列，MoE架构Decoder实现参数扩展[6][11] - **多模态分词**：首创协同感知方案，融合视频标题、标签、语音转文字等多维信息，分层语义编码（RQ-Kmeans三层ID）[13][14] - **强化学习整合**：通过P-Score奖励模型（个性化融合目标预测值）和ECPO优化算法，提升用户停留时长而不损失曝光量[19][22][25] 性能与效率突破 - **算力利用率**：训练/推理MFU提升至23.7%/28.8%，较传统精排模型（4.6%/11.2%）提升3-5倍[27][31] - **成本优化**：OPEX降至传统方案的10.6%，关键算子数量压缩92%至1,200个[27][31] - **训练加速**：自研SKAI系统优化Embedding训练，UGMMU减少kernel数量，时间加权LFU算法提升缓存效率[36] 实验效果 - **短视频场景**：AB测试显示停留时长提升0.54%/1.24%，LT7增长0.05%/0.08%，交互指标全面正向[33] - **本地生活场景**：GMV增长21.01%，订单量提升17.89%，新客获取效率提高23.02%，已100%全量上线[34] - **Scaling Law验证**：参数规模从0.015B增至2.633B时，训练损失显著下降，符合大模型扩展规律[15] 未来方向 - **多模态桥接**：需构建用户行为与LLM/VLM的原生融合架构[38] - **奖励系统完善**：当前设计较初级，需强化对用户偏好和业务需求的引导[38] - **推理能力提升**：Infer阶段Scaling能力不足，需进一步优化[38]

未来创业发展趋势 - 社会进步衍生出众多新兴赚钱途径 部分人通过敏锐眼光实现财富自由 [1] - 三大行业在未来5年具备良好发展前景 选对方向可保障基本生活需求 [1][4] App拉新行业 - 行业处于蓬勃发展状态 地推和网推作为有效手段被运营商广泛应用 [3] - 从事门槛低 无技能和学历要求 适合普通人兼职 需具备话术技巧和坚持品质 [3] - 佣金收益可观 C端app拉新单价20-50元 B端类如京东外卖等单笔达一两百元 [3] 游戏周边行业 - 00后和10后消费偏好显示庞大市场空间 手办等小物件流行 [3] - 初期应避开热门爆款游戏 专注评分高未开发周边的独立游戏 [3] - 可结合游戏元素创意设计 与剧本杀店铺、动漫展合作 或通过二手平台拍卖瑕疵品引流 [4] 互联网教育行业 - 信息技术推动教育与互联网结合 掌握有效技能成为应聘关键 [4] - 建议挖掘小众蓝海领域如短剧推广、私域引流 避开编程等爆款赛道 [4] - 可通过直播、录课变现 或售卖低价资料包(如9.9元Excel技巧) 建立会员制度和老拉新机制 [4]

核心观点 - 快手四季度财报显示公司近期因AI概念股价上涨50%-80%，但基本面仍需冷静评估 [1] - 公司处于"红利期下半场"，面临流量增长放缓、直播电商竞争加剧等挑战 [14] - AI业务（可灵）成为估值提升关键因素，但实际贡献仍需观察 [16][17] - 当前估值仍具吸引力，Non-IFRS P/E约11倍 [17] 财务表现 - 四季度总收入325.61亿元，同比增长15.1% [12] - 毛利率53.1%，同比提升 [12] - Non-IFRS净利润43.62亿元，利润率13.3% [12] - 核心主业经营利润35亿元，利润率9.86%，同比仅提升0.5个百分点 [8][46] - 账面现金及等价物515亿元，净现金404亿元 [11] 用户与流量 - MAU达7.36亿，环比增加2200万 [7][21] - DAU稳定在4亿 [7] - 日均使用时长126分钟，同比仅增1分钟 [23] - DAU/MAU降至54.5%，显示新用户粘性不足 [7][23] - 获客成本持续上升，运营效率边际走低 [26] 电商业务 - 四季度GMV 4621亿元，同比增长14% [2][29] - 泛货架GMV占比仅30%，落后于抖音的40% [3][29] - 月均购物买家1.43亿，渗透率19.5% [4] - 佣金率1.06%，同比略降 [4][30] - 双十一新增700万购物用户 [4] 广告业务 - 广告收入206亿元，同比增长13% [33] - 电商广告增速14%，外循环广告增速降至15% [6][33] - 短剧、游戏成为新增量 [6][34] - eCPM提升带动广告收入增长 [35] - 面临视频号（增速35%）和抖音的双重竞争 [34][35] 直播业务 - 直播收入98亿元，同比仅降2%，超预期 [37] - 签约公会数量同比增30%，主播数量增60% [6][37] - 分成成本比例提高，反映优质公会引入 [6][38] - 拓展招聘、房产等新场景，简历投递量同比增100% [41] AI业务（可灵） - 服务600多万用户，已生成6500万视频和1.75亿图片 [15] - 累计收入1亿元，预计年收入5-10亿元 [15] - 定价低于Pika、Midjourney等竞品 [15] - 可能提升内容推荐精准度和广告ROI [16] - 对估值的提升作用大于实际业绩贡献 [17] 海外业务 - 重点发展巴西市场，DAU同比增长9.3% [50] - 日均时长75分钟，电商带动广告收入增83.5% [50] - 海外业务扭亏后将考虑分红 [9] 股东回报 - 四季度回购3200万股，耗资15亿港元 [9] - 累计回购59亿港元，完成160亿计划的37% [9] - 当前年化股东回报率约2.3% [9]