新手沒經(jīng)驗(yàn)怎么運(yùn)營抖音號？抖音的推薦的邏輯詳解！

抖音推薦的邏輯

一種觀點(diǎn)是，了解抖音的推薦算法，按照算法的規(guī)則來，就能將自己的視頻刷上熱門嗎！非也！首先，真實(shí)的推薦算法抖音官方并沒有對外公布，也不可能對外公布。但我們還是可以從同是頭條系的今日頭條的推薦算法和抖音運(yùn)營者的經(jīng)驗(yàn)總結(jié)，發(fā)現(xiàn)抖音算法的一些“真相”——抖音算法的基礎(chǔ)邏輯。

首先，抖音的推薦算法核心的點(diǎn)是：讓更多可能會喜歡這條視頻的用戶都看到它。

為此，抖音是這么干的：給一個新視頻分配初始流量，一般是給500-5000多個系統(tǒng)認(rèn)為會喜歡這個視頻的用戶推送你的視頻。至于如何選擇這500多個初始用戶，抖音首先會看你的這個視頻適合于哪些人群，然后再到這些人群中隨機(jī)選擇500多個。我們后面就會講到。

因此，下面這一點(diǎn)至關(guān)重要：由于抖音初只找500-5000個用戶當(dāng)“小白鼠”，可以想見，這是所有可能對你的視頻感興趣的人群中極為微小的比例。這些人對你的視頻的“感受”是非常重要的，幾乎決定了未來你的視頻有沒有機(jī)會爆起來。

抖音如何知道這些人的感受呢？很簡單，抖音系統(tǒng)根據(jù)這500-5000個人的反饋數(shù)據(jù)（完播率、點(diǎn)贊率、評論數(shù)、轉(zhuǎn)發(fā)數(shù)、關(guān)注數(shù)等），決定是否繼續(xù)向更多的用戶推送你的視頻。如果你的視頻得到了這群初始人群的喜愛，那么抖音會擴(kuò)大一次人群，再次讓更多的人（大約50,000-500,000個人）看到你的視頻，然后再記錄這些人的反饋數(shù)據(jù)。如果這些人的反饋也不錯，那么抖音會繼續(xù)推薦更多的人看到你的視頻，由此循環(huán)下去。

所以，有時(shí)候你的視頻一下子就有了大幾千，或者幾萬瀏覽量，就再也起不來了，說明小規(guī)模人群可能喜歡，覺得不錯，更大規(guī)模的人群（5萬-50萬）這個規(guī)模的反饋一般，也就沒有大爆發(fā)的可能性了。

因此，如果確實(shí)是一個高質(zhì)量原創(chuàng)的視頻，真的有可能得到每一個推薦人群的喜歡，這樣就能一直得到系統(tǒng)疊加推薦，終就能成為一個爆款視頻。反之，很快就會沒有后勁而萎頓下來。

沒錯！抖音的算法背后，就是如此典型的馬太效應(yīng)。

“元初推薦”的邏輯

系統(tǒng)是怎么判斷初始用戶會喜歡哪些視頻的呢？主要就是依靠它自己的推薦系統(tǒng)，涉及兩個方面：用戶標(biāo)簽和內(nèi)容分析。

抖音可以通過用戶的第三方社交賬戶登錄信息、用戶行為、位置授權(quán)信息和模型預(yù)測等方式。得出，用戶的興趣特征、身份特征和行為特征，以此建立用戶標(biāo)簽。如下所示：

興趣特征：車型、體育球隊(duì)、股票；

身份特征：男、25歲、常駐點(diǎn)上海；

行為特征：晚上才看視頻；

而內(nèi)容分析方面，一個視頻除了視頻本身還包括：標(biāo)題、描述、位置信息、封面圖等這些也都可以進(jìn)行分析拆解，建立內(nèi)容標(biāo)簽。

此時(shí)，抖音已經(jīng)知道你是誰，你喜歡什么內(nèi)容，并且也知道視頻的內(nèi)容都是什么，就可以進(jìn)行系統(tǒng)推薦了。

其中系統(tǒng)的推薦流量的大概參考數(shù)據(jù)如下所示，實(shí)際可能劃分更細(xì)致：

啟動階段：500——5000人推薦量；

小爆階段：5W——50W；

大爆階段：500W

上述主要是說明，發(fā)布的新視頻在抖音算法的推送下是如何成為熱門視頻的。此外，還有一個情況是系統(tǒng)“挖墳”，也就是發(fā)布很久的視頻，突然爆了。

原因一是系統(tǒng)會重新挖掘數(shù)據(jù)庫中優(yōu)質(zhì)的內(nèi)容，如果你的視頻足夠優(yōu)質(zhì)被系統(tǒng)重新挖掘，再次推薦。此時(shí)，路徑就和上述流程類似，重新上熱門。

原因二是爆款效應(yīng)，當(dāng)你某個視頻上熱門后，用戶可能會順著你的抖音號，翻看之前的視頻。點(diǎn)贊評增加，重新激活系統(tǒng)推薦。因此，也很有可能上熱門。

除了向個人推薦外，還有向一類人推薦某類視頻的協(xié)同推薦算法。這個算法可以避免給用戶推薦的內(nèi)容過于單一，幫助用戶發(fā)現(xiàn)更多可能會喜歡的視頻。有相似用戶特征的AB兩人，B還喜歡健康類的短視頻，那么系統(tǒng)就猜測A也可能感興趣，因此會向A進(jìn)行嘗試推薦。

你可能已經(jīng)能明白，這就是普通的相似度人群推薦嘛。沒錯。