抖音推荐算法

今天谈下抖音推荐算法

抖音如此火爆，主要定位就是让每个人都有机会成为网红。

整体来说依赖一个比较完整的的推荐体系

身边的案例：

有的朋友随手发了条抖音，一晚上点赞量超过10w+，粉丝增加1w多; 有点学生平时发抖音几乎没有播放量，突然有1条就有一两百万的播放量，点赞20w，涨粉4w。

抖音的游戏规则是什么?推荐算法怎样的?

抖音的流量分配是去中心化的，什么叫去中心化，意思就是没有特例，没有人会有专属流量，每个人都是平等的，都有可能爆红！

算法背后：

机器审核+人工双向审核

其实，经过大量视频和数据分析不难看出主要算法分：总流量池，层层推荐，热度加权

1.总流量池-机器

一个新视频上传，平台会根据之前设定好的规则，机器筛选一遍，去除劣质视频，这部分是不能获得初始流量的，也就是0播放。符合就给你第一次推荐流量，新视频流量一般比较局限，以附近和关注为主，再配合用户标签、话题热度、内容标签智能推荐

抖音会根据算法给每一个符合的作品分配一个流量池，不像微博，没人关注就没有人观看，抖音就算是0粉丝，发布优质视频，分配到流量，播放量也能和千万级大号相媲美！

2.层层推荐

如果过了第一次筛选，得到初始流量，那么会根据完播率、点赞率、评论率、转发率，进行第二轮的筛选：视频是受欢迎还是不受欢迎，如果第一轮达到对应比例，被认为是受欢迎的，那么会进行第二次推荐。

以此类推，推荐量会越来越多，达到一定数值后的推荐就会演变成机器+人工双向推荐。

相反，在第一次推荐或者第N波，各项数据没有达到平台预先设定好的标准，就不会继续推荐，停止推荐后，你视频想火的概率就几乎没有了。

抖音流量分配标准：

点赞数

评论数

转发数

完播率

也就是说完播率，互动率，最终决定能不能触发抖音的层层推荐机制。

3.热度加权

热度加权，指的是你的视频对观众造成的影响。

正常视频热度权重会根据时间择新去旧，一条爆火的视频的热度最多持续1周-3周，但是如果有大量用户模仿跟拍你的视频，那么你的视频将获得热度加权，热度就会持续下去！不断获得推荐！