通過數(shù)據(jù)的分析，我們發(fā)現(xiàn)在傳播效果方面，抖音>小紅書>微信朋友圈>新浪微博。究其原因是內(nèi)容分發(fā)的邏輯存在非常大的差異。

• 微信朋友圈、新浪微博：訂閱模式，用戶僅能看到好友或關(guān)注者的信息

• 抖音、小紅書：非訂閱模式，用戶可以看到個除關(guān)注用戶以外的其他內(nèi)容

微信雖然可以通過轉(zhuǎn)發(fā)傳播，但是在轉(zhuǎn)發(fā)意愿度層面會消弱傳播效果。朋友圈轉(zhuǎn)發(fā)困難度較大，很難進(jìn)行二次傳播。而非訂閱模式的抖音模式通過算法機制，可以將內(nèi)容一次次的推送給潛在感興趣用戶，致使內(nèi)容可以大面積的廣泛傳播。

• 從創(chuàng)作者角度：只需內(nèi)容足夠“優(yōu)秀”，就能獲得很好的分發(fā)機會

• 從普通用戶角度：無需尋找信息源也能獲取“優(yōu)質(zhì)”的內(nèi)容

關(guān)于抖音的分發(fā)推薦機制參考字節(jié)跳動旗下的“中視頻平臺”西瓜視頻的推薦機制介紹。

西瓜視頻的推薦機制

要了解推薦機制，首先我們要了解觀眾。每個觀眾的觀看興趣都是大不相同的，個性化推薦機制要做的事情就是讓每位用戶看到可能感興趣的內(nèi)容。這種精準(zhǔn)推薦，是建立在機器對每位用戶都有充分認(rèn)知的前提下的。在機器中，每位用戶實際是由大量數(shù)據(jù)構(gòu)成的，用戶的觀看興趣就藏在這些數(shù)據(jù)中。不同數(shù)據(jù)對用戶興趣計算所占權(quán)重不同，數(shù)據(jù)包括：

• 性別、年齡、所處城市；

• 關(guān)注的帳號、常瀏覽的頻道、關(guān)注的話題；

• 觀看過的視頻分類和關(guān)鍵詞；

• 相似類型的其他用戶還喜歡觀看的其他視頻類型；

• ….

推薦系統(tǒng)的本質(zhì)，就是從一個海量的內(nèi)容池里，為觀眾匹配出少量感興趣內(nèi)容。為了給用戶提供他們喜歡的內(nèi)容，或者理解用戶的需求，平臺有很多角度可以去刻畫一個用戶的畫像，比如，年齡、性別、歷史瀏覽的文章、環(huán)境特征等；同時，利用先進(jìn)的AI技術(shù)對內(nèi)容進(jìn)行分門別類。緊接著，推薦機制就像一座“橋梁”，連接觀眾和內(nèi)容，將內(nèi)容源源不斷地推送到感興趣的用戶面前。這座“橋梁”有兩個特點：

• 興趣匹配：觀眾的觀看類型與內(nèi)容分類重合度最高，被系統(tǒng)認(rèn)定最可能對該內(nèi)容感興趣。

• 分批次推薦：首先會被推薦給一批對其最可能感興趣的觀眾，這批觀眾產(chǎn)生的數(shù)據(jù)，將對內(nèi)容下一次的推薦起到重要作用。

視頻的首次推薦，如果點擊率低，轉(zhuǎn)評贊不高，系統(tǒng)認(rèn)為視頻不適合推薦給更多的用戶，會減少二次推薦的推薦量；如果點擊率等數(shù)據(jù)高，系統(tǒng)則認(rèn)為視頻受用戶喜歡，將進(jìn)一步增加推薦量。以此類推，視頻新一次的推薦量都以上一次推薦的點擊率等數(shù)據(jù)為依據(jù)。例如，一個視頻首次推薦給了1000個用戶，如果這批用戶的點擊率、完播率等較高，系統(tǒng)判定用戶非常喜歡這篇視頻，將其擴大推薦給10000個用戶，如果這輪推薦用戶的點擊率、完播率等仍然維持在較高水平，那么系統(tǒng)會將視頻再次擴大推薦給30000個用戶、50000個用戶、100000個用戶……推薦量和播放量便如滾雪球一般節(jié)節(jié)攀升。因為這種擴大推薦的機制，創(chuàng)作人想獲得更多的播放量，就必須努力把各維度閱讀數(shù)據(jù)（點擊率、用戶播放時長、收藏數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)等）維持在高位水平。這就要求視頻：

• 標(biāo)題和封面圖具有足夠的吸引力、表意清晰，提高點擊率；

• 視頻內(nèi)容優(yōu)質(zhì)，剪輯解說俱佳，提高用戶播放時長和播放完成度；

• 內(nèi)容詳實，給觀眾干貨般的充實感，提高收藏數(shù)和用戶播放時長；

• 觀點鮮明，引發(fā)觀眾討論，增加評論數(shù)和轉(zhuǎn)發(fā)數(shù)。

其中，至關(guān)重要的當(dāng)然是點擊率，完播率，轉(zhuǎn)評贊等，也因此，標(biāo)題和封面圖的重要性便不言而喻。這也是今天注意力稀缺時代，播放獲得好的傳播的關(guān)鍵要素。有吸引力的標(biāo)題能帶來更多點擊，但這不意味創(chuàng)作人要成為慣用夸張標(biāo)題的標(biāo)題黨。恰恰相反，標(biāo)題黨反而會被平臺通過技術(shù)手段識別和打壓，限制推薦量。除了標(biāo)題夸張，用戶舉報密集、負(fù)面評論過多都是限制播放推薦量的因素。歸根結(jié)底，一個作品能否獲得更多推薦最終取決于內(nèi)容質(zhì)量，好的內(nèi)容才能帶來流量的長效增長。

從西瓜視頻到抖音短視頻

關(guān)于抖音的分發(fā)機制完善流傳著這樣一份的流程圖，整體流程和上面的西瓜視頻的介紹的推薦邏輯類似。后續(xù)我們就根據(jù)下面的流程進(jìn)行深入的研究與分析。

檢測機制

在抖音，每天有數(shù)量龐大的新作品上傳，需要對一些內(nèi)容進(jìn)行過濾，從目前公布的內(nèi)容看，檢測主要集中在：

• 去重檢測：抽幀檢查視頻是否存在搬運、抄襲問題

• 違禁檢測：字幕、標(biāo)題中是否涵蓋違禁詞匯，有無裸露

• 版權(quán)檢測：音樂版權(quán)是否侵權(quán)，大陸有無版權(quán)問題

如果純靠機器可能存在一些誤判，人工一一確認(rèn)又不太現(xiàn)實。所以采用機器檢測和人工檢測的結(jié)合。

機器審核：一般是通過提前設(shè)置好的人工智能模型來識別你的視頻畫面和關(guān)鍵詞，它主要有兩個關(guān)鍵作用：

• 審核作品、文案中是否存在違規(guī)行為，如果疑似存在，就會被機器攔截，通過飄黃、標(biāo)紅等提示人工注意；

• 通過抽取視頻中的畫面、關(guān)鍵幀，與抖音大數(shù)據(jù)庫中已存在的海量作品進(jìn)行匹配消重，內(nèi)容重復(fù)的作品進(jìn)行低流量推薦，或者降權(quán)推薦（僅粉絲可見、僅自己可見）。

• 有沒有出現(xiàn)廣告、有沒有帶水印或者LOGO、內(nèi)容是否裸露、不雅、血腥等

人工審核：主要集中在3塊：視頻標(biāo)題、封面截圖和視頻關(guān)鍵幀。

• 針對機器審核篩選出疑似違規(guī)作品，以及容易出現(xiàn)違規(guī)領(lǐng)域的作品，抖音審核人員進(jìn)行逐個審核。

• 如果確定違規(guī)，將根據(jù)違規(guī)賬號進(jìn)行刪除視頻、降權(quán)通告、封禁賬號等處罰。

通過檢測是邁向內(nèi)容分發(fā)的第一步，如果第一步?jīng)]通過則相當(dāng)于被關(guān)進(jìn)了小黑屋。違規(guī)檢測相對來說比較容易規(guī)避。版權(quán)檢測，特別是音樂版權(quán)有時不清楚自己使用的音樂是否合規(guī)，保守方案是使用抖音上目前熱門視頻所使用的音樂。去重檢測其實是一個很容易誤觸的機制，特別是一些模仿性質(zhì)的內(nèi)容，可采取的方案是更換不同的背景、角度、服裝等。錄屏性質(zhì)的視頻非常的特別特別容易觸發(fā)去重檢測，取而代之的是攝屏的方式，攝屏是可以采取不同的背景和角度，但需要注意的是保證攝屏?xí)r的清晰度。

賽馬機制

抖音的算法其實是一個賽馬機制。簡單的說就是先將視頻推薦給小部分人群，收集這部分?jǐn)?shù)據(jù)的表現(xiàn)情況，再將表現(xiàn)好的視頻分發(fā)到更大的范圍。

所以抖音流量的增長方式并不是線性的，增長曲線更多類似：

從目前了解的資料看，抖音的賽馬機制總共有三種方式：

• 初級分發(fā)：通過機制確認(rèn)無違規(guī)后由附近的人/關(guān)注/好友/標(biāo)簽組成的初級分發(fā)流量池

  • 通訊錄好友：提取你的手機電話通信錄中的手機號碼，將電話號碼上傳到抖音服務(wù)器，匹配好友。

  • 共同聯(lián)系人：類似QQ共同聯(lián)系人推薦，抖音也會使用共同聯(lián)系人進(jìn)行關(guān)系綁定

  • 以前還有通過抓取微信好友關(guān)系鏈的，后來好像被騰訊告了

• 多級推薦：根據(jù)初級流量回饋評分達(dá)到算法設(shè)定的分值進(jìn)入下一級流量池推送

• 熱門推薦：根據(jù)熱門推薦算法結(jié)合先前流量回饋評分選取優(yōu)秀視頻進(jìn)行人工審核，做精熱門推薦，審核的范圍可能包括

  • 搬運、非原創(chuàng)視頻：含有其他平臺水印、視頻ID與上傳ID不符、明顯盜錄內(nèi)容

  • 低質(zhì)量視頻：內(nèi)容物故事性、完整度差、視線模糊

  • 廣告營銷：明顯的廣告營銷類型信息

  • 隱性風(fēng)險：出現(xiàn)標(biāo)題黨、危險動作、令人不適元素等高危內(nèi)容

  • 未授權(quán)明星/影視賽事類視頻：視頻內(nèi)容侵權(quán)

以下是網(wǎng)友通過數(shù)據(jù)的整理的大致抖音流量池分級情況：

• 首次曝光，300左右播放量

• 二次曝光，3000左右播放量

• 三次曝光，2~1.5W左右播放量

• 四次曝光，10~12W左右播放量

• 五次曝光，40~60W左右播放量

• 六次曝光，200~300W左右播放量

• 七次曝光，700~1100W左右播放量

• 八次曝光，3000W+播放量

流量觸頂

抖音作品經(jīng)過雙重審核、初始推薦、疊加推薦層層引爆之后，通常會給賬號帶來大量的曝光、互動和粉絲。而這種高推薦曝光的時間，一般不會超過一周。之后，爆款視頻乃至整個賬號會迅速冷卻下來，甚至后續(xù)之后發(fā)布的一些作品也很難有較高的推薦量。主要原因：

• 抖音每天的日活是有限的，也就是說總的推薦量是基本固定的，需要把機會盡可能的給到更的創(chuàng)作者

• 與你內(nèi)容相關(guān)標(biāo)簽的人群基本完成推薦，其他非精準(zhǔn)標(biāo)簽人群反饋效果差，所以停止推薦

• 抖音也不希望某個賬號僅通過一個視頻就大火，而是期望你能持續(xù)不斷的輸出優(yōu)質(zhì)內(nèi)容

推薦機制

單有賽馬機制對于抖音來說還不夠，抖音想要的提升的用戶的觀看體驗，最重要的是將合適的內(nèi)容推薦給合適的用戶。想了解抖音的個性化推薦算法先從數(shù)據(jù)角度進(jìn)行分析，以下是抖音前端返回的數(shù)據(jù)：

視頻信息：

• aweme_id：視頻ID

• desc：視頻描述

• create_time：創(chuàng)建時間

• height：視頻高度

• width：視頻寬度

• dynamic_cover：動態(tài)封面

• ratio：清晰度

• has_watermark：是否有水印

• bit_rate_gear_name：碼率清晰度（視頻清晰度可能影響視頻評分？）

• quality_type：質(zhì)量類型

• bit_rate：視頻比率

• is_h265：是否為H265視頻

• duration：時長

• user_digged：作者自己點贊

• allow_share：是否允許分享

• allow_comment：是否允許評論

• with_goods：包含商品

• is_top：是否置頂

• is_vr：是否VR視頻

• is_ads：是否廣告視頻

• risk_infos：風(fēng)險信息

• position：位置

• is_pgcshow：是否PGC內(nèi)容

• interaction_stickers：互動貼紙

音樂信息：

• id：音樂id

• title：音樂標(biāo)題

• author：音樂作者

• album：音樂專輯

• cover：音樂封面

• duration：音樂時長

• has_edited：音樂是否被編輯過

• user_count：使用人數(shù)

• collect_stat：收藏人數(shù)

• owner_id：作者id

• owner_nickname：作者昵稱

• is_original：是否原創(chuàng)

• binded_challenge_id：綁定挑戰(zhàn)賽

• strong_beat：節(jié)拍數(shù)據(jù)（可繪制波形圖）

• is_commerce_music：是否商業(yè)音樂

• is_original_sound：是否原聲

• shoot_duration：視頻使用時長

用戶信息：

• nickname：創(chuàng)作者昵稱

• avatar：頭像

• signature：簽名

• total_favorited：總獲贊

• fans_count：粉絲數(shù)

• following_count：關(guān)注數(shù)

• dongtai_count：動態(tài)數(shù)

除了這些基礎(chǔ)的信息外，針對推薦系統(tǒng)，通常最需要獲取的是用戶的行為數(shù)據(jù)：

• who，唯一的用戶標(biāo)識

• when，具體時間

• where，地理位置

• what，交互的內(nèi)容（包括上面的使用、音樂和創(chuàng)作人）

• which ，用戶的行為（上滑、下滑，左滑、右滑、點贊，關(guān)注，點評……）

• environment，網(wǎng)絡(luò)環(huán)境、運營商畫像、設(shè)備品牌型號…

推薦系統(tǒng)一般有以下四個部分組成：

• 用戶畫像，系統(tǒng)根據(jù)用戶基本屬性（比如：性別、年齡、學(xué)歷等）、興趣愛好（比如：科技、娛樂、體育、金融等）等數(shù)據(jù)集，然后給用戶定義相關(guān)的標(biāo)簽。

• 內(nèi)容畫像，系統(tǒng)根據(jù)內(nèi)容的層級分類、關(guān)鍵詞、實體詞等分析出特點，給各類內(nèi)容打上相關(guān)的標(biāo)簽。

• 用戶與內(nèi)容匹配，有了用戶標(biāo)簽和內(nèi)容標(biāo)簽之后，系統(tǒng)根據(jù)用戶畫像、內(nèi)容畫像，在內(nèi)容池里面匹配出用戶喜歡的內(nèi)容然后展示出來。

• 推薦排序，系統(tǒng)要面對數(shù)億級的用戶和內(nèi)容，同時還要考慮用戶的喜歡會不斷的發(fā)生改變，為了讓挑選的內(nèi)容更加的貼近用戶想要的、更加符合用戶喜歡，系統(tǒng)需要對內(nèi)容進(jìn)行排序。

做常見的推薦算法為協(xié)同過濾，協(xié)同過濾算法通常會被分為兩大類：

• 基于物品的協(xié)同過濾：分析用戶喜歡過的內(nèi)容；找到與該內(nèi)容相似的內(nèi)容，推薦給用戶。

• 基于用戶的協(xié)同過濾：找到這個用戶相似的目標(biāo)群體；把該群體用戶喜歡過的內(nèi)容推薦給這個用戶。

對于抖音來說，每天產(chǎn)生的視頻非常的多，如果抖音使用基于物品的協(xié)同過濾算法做推薦，則需要對平臺的每條內(nèi)容做相似度計算，除了需要識別視頻畫面中出現(xiàn)的物品以及他們之間的關(guān)系外，還要識別視頻的背景音樂、臺詞。顯然，對于以視頻為主要內(nèi)容的抖音來說，選擇這種推薦算法是極其不明智的。如果使用基于用戶的系統(tǒng)過濾算法取推薦算法就不必知道某條內(nèi)容是什么，只需要看到某一群人都喜歡這條內(nèi)容就可以把這群人歸到同一類人里。嚴(yán)格意義上說，抖音給用戶的打的并不是具體的屬性標(biāo)簽，而是類似聚類出來的一個ID。

以上介紹的知識最初級的推薦算法的邏輯。抖音的多級流量池，實際是基于上一級流量池的響應(yīng)數(shù)據(jù)利用類似Lookalike 算法去擴大用戶群。

抖音的算法并不會僅僅像上面介紹的一樣，中間還需要考慮非常多的其他場景和因素。比如初級分發(fā)，其實就是推薦算法中的冷啟動問題。對于一個全新的視頻無法通過系統(tǒng)過濾的方式給推薦出去。退而求其次的方式是給視頻和用戶打上標(biāo)簽屬性，再通過標(biāo)簽的匹配篩選做可能的用戶做打樣。中間又涉及到兩個問題：

• 如何給視頻打標(biāo)簽

• 如何給用戶打標(biāo)簽

如何給視頻打標(biāo)簽？

• 視頻添加的標(biāo)簽hashtag

• 視頻的標(biāo)題內(nèi)容，通過對視頻標(biāo)簽進(jìn)行文本分析確定。

• 視頻內(nèi)容中可能出現(xiàn)的字幕、語言內(nèi)容轉(zhuǎn)化成文字后的文本提取？（這個實現(xiàn)起來較難，不確定）

• 視頻發(fā)布者歷史發(fā)布的內(nèi)容類別

• …

基于以上大概能給一個視頻初步的分類。

一般推薦系統(tǒng)的分類都要按照層級進(jìn)行劃分的，如下圖：

如何給用戶打標(biāo)簽？

• 通過歷史用戶操作反饋的，基于歷史反饋的視頻的標(biāo)簽統(tǒng)計匯總用戶信息

• 通過閾值篩選用戶感興趣的標(biāo)簽

引申話題：如何讓冷啟動更有效？

• 發(fā)布賬號盡可能的有明確的定位

• 視頻標(biāo)題有出現(xiàn)關(guān)鍵字，而不僅僅是一些吸引眼球的無關(guān)內(nèi)容或文青式的話術(shù)

• 給視頻打上合適的hashtag

• 超過300以上的活躍關(guān)注者（粉絲多更容易拉高互動數(shù)）

二次引爆

除了以上正常的流量池流程外，抖音還有兩種額外的情況：

• 再發(fā)一遍就會火：出現(xiàn)這種情況的可能原因是冷啟動階段，你的視頻內(nèi)容被推薦給了錯誤的目標(biāo)用戶，這部分用戶對視頻的反饋比較低，導(dǎo)致沒有進(jìn)入多級推薦。再次上傳后目標(biāo)用戶得到修正。

• 老視頻莫名奇妙火：可能你的視頻前期匹配的用戶群不夠精準(zhǔn)，導(dǎo)致未達(dá)到推薦閾值。但隨著時間推移，視頻點贊率等都突破了一定之觸發(fā)了重新推薦機制。

考核機制

短視頻想要進(jìn)入下級流量必須滿足一定的指標(biāo)要求，并且由于流量池越開越大，響應(yīng)的匹配精度越低，平臺想要控制整體內(nèi)容的滿意度，對于指標(biāo)的要求也會越來越高。抖音推薦算法中的賽馬機制主要看中的視頻指標(biāo)由以下部分組成：

• 賬號分值：

  • 完成度：頭像、昵稱、簽名、性別、其他資料

  • 健康度：內(nèi)容質(zhì)量、話題專業(yè)度（歷史視頻表現(xiàn)？）

  • 認(rèn)證：是否達(dá)人認(rèn)證

• 視頻分值：通過算法加權(quán)？

  • 完播率

  • 點贊率

  • 評論率

  • 分享率

  • 轉(zhuǎn)粉率

如何評級視頻質(zhì)量的好、中、差？

• 完播率：盡量控制15-40秒，太短抖音嫌棄，太長用戶耐心不夠劃走。選擇優(yōu)秀的歌曲可能保證完播率（用戶想把歌聽完）

  • 0-10%——較低

  • 10%-30%—— 一般

  • 30%以上——較好

• 作品平均播放時長：前3秒是關(guān)鍵！抓人眼球，多留懸念、反轉(zhuǎn)、梗。讓粉絲帶著期待堅持看完。

  • 3秒以下——較低

  • 3-7秒—— 一般

  • 7-15秒——較好

  • 15秒以上——很好

• 互動率：開頭和結(jié)尾的設(shè)計很關(guān)鍵，打造獨特的”記憶點”，可以引導(dǎo)粉絲點贊留言。

  • 點贊率：5%以上

  • 評論率：1%以上

  • 轉(zhuǎn)發(fā)率：5%以上

• 吸粉率：有趣又有用的內(nèi)容，是吸粉關(guān)鍵。

  • 1%以上

什么樣的視頻有爆款潛質(zhì)？

通過數(shù)據(jù)統(tǒng)計得到的結(jié)論：

• 完播率：30%以上

• 點贊率：10%以上

• 評論率：5%以上

• 分享率：1%以上

所以，一個作品發(fā)出后，基本前面一兩個小時，或者30分鐘左右，就能預(yù)測到是否會火了。如果1小時之內(nèi)，播放量突破5000，而點贊量能大于100，評論數(shù)大于10，那么，得到系統(tǒng)推薦的機率就大很多了，基本上離熱門也不遠(yuǎn)了。

總結(jié)

以上是生活随笔為你收集整理的抖音推荐机制与算法探讨的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。