# 前三秒的窄门：钩子是一句开头许下、正文兑现的承诺
从算法预测完播与用户划走行为讲清开头三秒的审判机制，并给出结果前置、冲突、悬念、处境切入四种可落地的钩子写法
> 注意力机制 · 推荐算法 · 完播率 · 约 7 分钟 · 09 月 08 日
## 本篇要点
1. 开头三秒的审判是双重的：用户侧，划走是默认动作、留下才需要理由；算法侧，开头流失直接压低模型预测的完播概率，而完播是点赞、评论等其他一切正向反馈的前提。
2. 钩子不是“吸引眼球”的技巧，而是开头许下、正文必须兑现的承诺；它必须出自这条内容本身最值钱的部分，而不是一句万能吆喝。
3. 四种常见形态——结果前置、冲突开场、未知悬念、处境切入——是执行层的选择，可以轮换测试；定位的作用是当筛子，保证开头对“那个具体的人”说话。
4. 开头划走的人多不等于被限流：试看阶段混入的非目标人群快速离开是筛选，关键是目标人群能否在前三秒认出“这是给我的”并留下正向反馈。
5. 反套路自检三问：开头承诺的正文兑现了吗？换到任何内容上都成立吗？它出自内容最值钱的部分吗？
6. 验证只看两个数字：完播率＝多少人看到最后，平均播放时长＝大家活到第几秒；开头断崖改钩子，中段流失改节奏，一次只改一个变量。
---
连着两篇，我们已经确认了两件事：你做的是注意力产品；决定你账号走向的不是简介，而是第一批留下来的人。今天把镜头推到视频真正开始的地方——用户大拇指悬在屏幕上方的那一两秒。数据一直起不来的账号，多数问题不是“内容不好”，而是内容根本没机会被看见：观众在第二秒就划走了。这一篇只回答一个具体问题：开头三秒里到底发生了什么，钩子究竟怎么写才算数。
## 三秒的审判：划走是默认动作，留下才是选择
刷抖音时，用户的默认动作是下滑，不是观看。手指一抬，下一条视频自动顶上，他几乎不需要付出思考成本——真正需要“决定”的恰恰相反：要不要停在这里？而他用来做决定的材料少得可怜：首帧画面、开头一两秒的声音或字幕，仅此而已。一场审判就在开头几秒内完成，判决要么是“再看一眼”，要么是“划走”。
这场审判有多残酷，有一组真实数据可以参考：研究者分析了 347 位用户、920 万次观看记录，发现即便是系统精准推送给感兴趣用户的视频，也有约一半没被看完，约四分之一在视频前 20% 处就被放弃 [3]。你的内容也许很好——但如果“好”发生在第 15 秒，而大多数人在第 3 秒已经走了，那个“好”就永远无法生效。开头三秒的任务因此很明确：不是展示全部，而是给出一个让人留下来的具体理由。
## 算法不直接看你的开头，但开头决定它怎么预测你
如果说上一节是用户侧，算法侧同样在这三秒里下了注。2025 年抖音首次公开算法原理时说过一句关键的话：用户对视频的每一次反馈都有正面或负面价值，“看完了”是一次反馈动作，“点赞”也是一次反馈动作 [1]。推荐系统的打分可以简化成“预测用户行为概率 × 行为价值权重”，模型预测的正是你会不会看完、会不会点赞这类行为 [1][2]。官方还回顾过：早期以 15 秒短视频为主的阶段，完播率曾是推荐算法的核心目标之一 [2]。
把两件事连起来，就得到开头三秒的算法意义。绝大多数划走发生在前几秒，而划走意味着这条视频没被“看完”。对短视频来说，完播是最基本的正向反馈，更是其他所有反馈的前提：没看完，就不会点赞、不会收藏、不会评论，连产生高价值行为的资格都没有。于是，模型预测“这条视频会不会被看完”时，前几秒的流失是最有效的依据；一条在开头就大面积流失的视频，预测出的完播概率低，打分就低，冷启动阶段（先给一批混杂用户试看 [4]）就难以闯关。一句话：算法从不“看”你的开头，但开头决定了它预测出的完播概率，而完播概率决定了这条视频的分。
这还带出一个常被误解的点：开头划走的人多，不等于你被“限流”。试看阶段本来就会混入大量不属于你人群的人，他们在开头快速离开，是筛选而不是惩罚；真正要紧的是属于你人群的那部分人，能否在前三秒认出“这是给我的”，留下来给出第一波正向反馈。开头过滤得越干净、留下的信号越集中，系统照着“留下来的人”去放大的依据就越清晰——这正是上一篇讲的机制，在开头三秒处的具体体现。
## 钩子就是承诺：四种常见形态
既然开头要给一个“留下来的理由”，钩子的本质就可以说清楚了：它是一句你开头许下、并由正文兑现的承诺。它必须选自这条内容本身最值钱的部分——先亮出观众花几十秒能换到什么，而不是一句与内容无关的吆喝。以“独居上班族快手菜”这个上一篇的定位为例，同一个账号可以有四种常见的开场形态：
**结果前置**：先把“做完的样子”亮出来，再倒回去讲怎么做到。画面是一锅热腾腾的成品特写，配一句“加班到家九点，十分钟，就这一盘。”观众先看到了“得到”，就有了留下来学方法的理由。教程、测评、改造类内容最顺手。
**冲突开场**：抛一个与常识相反的断言，制造认知落差，让观众为了验证“真的假的”留下。例：“鸡胸肉煎得又干又柴？不是火候问题，是你下锅前少做了一步。”前提是断言后面必须有真依据，正文负责论证。冲突是论点，不是谎话。
**未知悬念**：只给半个信息，把答案押在后面。例：“冰箱里冻了三天的鸡胸肉，教你一招回到嫩滑——这招我放在最后说。”答案后置天然把观众拖向结尾，顺带帮了完播。
**处境切入**：直接对“他刷到你那一刻的状态”说话。例：“下班到家八点半，还想吃上一口热饭吗？”这句话同时做两件事：不是你的目标人群听了会划走——没关系，正好替系统滤掉杂音；是你的观众则被一句话击中处境，认出了“这是给我做的”。
四种形态不互斥，结果前置和处境切入常常合并使用；形态是执行层的选择，同一账号完全可以轮换着测。定位在这里的作用不是规定开头必须长什么样，而是当筛子：不管用哪种形态，开头都必须对上一篇反推出来的那个具体的人说话。
## 避免套路化：三问自检，一测一改
套路的开头和真钩子的差别不在形式，在承诺是否兑现。写开头前问自己三个问题。第一，这条钩子和正文是同一条内容的头尾吗？开头承诺的，结尾有没有兑现？把观众骗进来、又在第 8 秒兑现不了，他照样划走，完播照样差，还额外损失一次信任。第二，这条钩子是不是换到任何内容上都成立？如果答案是“是”——比如“千万别划走”“看到最后有惊喜”这类万能句——它多半是噪音，不是钩子。第三，它是不是出自这条内容最值钱的部分？别人爆款的开头是别人的承诺，硬搬到你的内容上就成了骗局。
写完还不算完，发出去后要用数据验证。判断不需要复杂工具，看两个数字就够：完播率告诉你“多少人看到最后”，平均播放时长告诉你“大家平均活到第几秒”。两者对着看，就能大致定位病根：
```mermaid
flowchart TD
A[看两个数：完播率 + 平均播放时长] --> B{问题出在哪一段}
B -- 平均播放时长很短
开头就大量流失 --> C[病根在钩子
下一版重写开头三秒]
B -- 开头稳住了
播到中段开始流失 --> D[病根在节奏与内容密度
下一篇讲脚本结构]
B -- 播放不短但完播低
或留住了却不互动 --> E[回看定位与结尾
有没有给“留下来”一个交代]
```
一次只改一个变量：这一条只重写开头，其他都不动，下一条看这两个数字有没有变化。数据起不来时，最忌讳同时改选题、改时长、改风格——那样你永远不知道是哪一步救了或毁了这条视频。开头是最好改、也最该先改的变量：它成本最低，却决定你后面所有功夫有没有机会被看见。开头守住了，下一关就是中段——下一篇我们讲脚本结构，怎么让正文接住开头许下的承诺，把人一路带到结尾。
## 来源
1. [腾讯新闻转述抖音安全与信任中心公开算法原理：每次反馈都有正负价值、“看完了”与“点赞”都是反馈动作、推荐优先级公式](https://news.qq.com/rain/a/20250330A05SSE00)
2. [新华网报道抖音开放日：算法预测用户行为概率、多目标建模、早期以完播为核心目标之一](http://www.xinhuanet.com/tech/20250416/cb30d07cc64f497b938b82f551204e05/c.html)
3. [基于 347 位真实用户、920 万次观看记录的研究：约半数视频中途被划走、约四分之一在前 20% 处被放弃](https://arxiv.org/html/2301.04945v2)
4. [抖音官方《从零开始了解推荐系统》：召回环节如何把新内容匹配给第一批用户试看](https://trust.douyin.com/article/15358)
---
原文：https://pangzhengboyin.com/articles/douyin-hook-first-three-seconds-ce6f9a99
> **庞征博引** · 想学的，慢慢都会
>
> 庞征博引是把想学的东西写成连载的 AI 学习工具。说出想学什么，它会先了解你的基础，再把主题写成一篇篇 5–10 分钟能读完的文章；边读边问，接下来学什么跟着你走。这篇就是这样写出来的。
>
> 开始你自己的连载 → https://pangzhengboyin.com