返回列表

作者:巨人電商

抖音上熱門機(jī)制是什么?不懂推薦算法還想上熱門?

POST TIME:2021-08-23

一,抖音運(yùn)營的四大推薦機(jī)制

5.抖音的審核機(jī)制:去中心化

什么叫做去中心化呢?

簡單的來講,就是說任何人都可以在網(wǎng)絡(luò)上表達(dá)自己的觀點(diǎn)或創(chuàng)造原創(chuàng)的內(nèi)容,共同生產(chǎn)信息。抖音就是一個(gè)典型的去中心化的平臺(tái),這也就意味著任何用戶都是可以通過抖音這個(gè)平臺(tái)來展現(xiàn)自己,都是有機(jī)會(huì)成為擁有百萬粉絲甚至是千萬粉絲的大咖!只要產(chǎn)出的內(nèi)容、作品受歡迎,就會(huì)被越來越多的人關(guān)注。

2.抖音的權(quán)重機(jī)制:智能分發(fā)

智能分發(fā),是抖音平臺(tái)推薦機(jī)制的一大亮點(diǎn)!無論你要做什么類型的賬號(hào),平臺(tái)會(huì)根據(jù)賬號(hào)的權(quán)重來對(duì)你新發(fā)布的視頻給予一定的初始推薦流量;優(yōu)先推薦給附近的人與賬號(hào)本身的粉絲以及你關(guān)注的人,之后是根據(jù)分析平臺(tái)所有用戶的標(biāo)簽以及你內(nèi)容的標(biāo)簽進(jìn)行初始的智能分發(fā);接下來就是等待推薦后的反饋結(jié)果了,也可以說你的作品進(jìn)入了一個(gè)冷啟動(dòng)的狀態(tài)!

5.抖音的推薦機(jī)制:疊加推薦

第二點(diǎn)提到了初始流量分發(fā),先把作品推薦給部分用戶,然后等待用戶反饋結(jié)果,從而來判斷這條內(nèi)容是否受到用戶的歡迎。如果在這條作品在初始分發(fā)后反饋給平臺(tái)的結(jié)果是受歡迎的,那么平臺(tái)會(huì)把這條作品進(jìn)行二次分發(fā),此次分發(fā)的流量覆蓋會(huì)更多、更廣泛,這也是作品能否上熱門的關(guān)鍵點(diǎn)之一;反之,如果初始反饋沒有效果,那也就不會(huì)得到平臺(tái)的二次推薦了!

4.抖音的推薦流量池:逐步加大流量

抖音的流量池有著等級(jí)之分的:低級(jí)流量池、中級(jí)流量池、高級(jí)流量池,不同權(quán)重的賬號(hào)會(huì)被分配到不同的流量池,當(dāng)然也就意味著將會(huì)獲得不同的推薦量!賬號(hào)被分配的高低,取決于發(fā)布內(nèi)容的受歡迎程度。對(duì)于新賬號(hào)來說,前5個(gè)作品的反饋數(shù)據(jù)非常重要,平臺(tái)會(huì)根據(jù)這5條作品的反饋數(shù)據(jù)進(jìn)行分析,來確定賬號(hào)內(nèi)容的質(zhì)量,再進(jìn)行分配到相應(yīng)的流量池中!也可以說,前5個(gè)作品可以決定賬號(hào)能否做起來。

二,抖音推薦算法步驟

相信有些人知道,抖音的內(nèi)容推送主要是通過機(jī)器的算法來實(shí)現(xiàn)的,一共大概可以分成三步:

5.上傳視頻之后,由機(jī)器小范圍的推薦給可能會(huì)對(duì)你視頻標(biāo)簽感興趣的人群,差不多是20-250人數(shù)之間,計(jì)算在單位時(shí)間之內(nèi)觀眾(audience)的評(píng)論、點(diǎn)贊和分享數(shù)。具體公式是:熱度=A×評(píng)論數(shù)+B×點(diǎn)贊數(shù)+C×分享數(shù),系數(shù)A,B,C會(huì)根據(jù)整體的算法實(shí)時(shí)微調(diào),大致上:C>A>B。這一步我們暫且稱為第一次推薦

這就是我們平時(shí)為什么會(huì)看到推薦里面出現(xiàn)的內(nèi)容,有些互動(dòng)率幾乎是0。就是因?yàn)槟闶沁@個(gè)視頻的第一波觀眾

2.如果經(jīng)過第一次推薦,你們的視頻沒有在目標(biāo)用戶中得到比較好的反饋,那么很遺憾你就只能指望下次再拍出更好的視頻啦,這就是為什么你在抖音中的視頻瀏覽數(shù)大部分都是在50-250之間的原因啦。

另一方面,如果你的視頻經(jīng)過第一次推薦得到了比較好的觀眾反饋,那么這時(shí)你的視頻將會(huì)被推薦給更多的潛在觀眾,我們可以叫擴(kuò)大推薦。機(jī)制跟第一次推薦一樣,這次觸達(dá)的觀眾人數(shù)大概可能是5000-5000人。以此類推,像把一顆石頭丟進(jìn)平靜的湖面一樣,一圈一圈的輻射到更大的面積。那種視頻點(diǎn)贊數(shù)達(dá)到500w以上的視頻,就證明它在目標(biāo)觀眾中喚起了深深的共鳴。

一般來說,短視頻的點(diǎn)贊、評(píng)論越多,播放時(shí)間越長,用戶沒看完就關(guān)閉的比例越低,能獲得的推薦量就會(huì)越大。達(dá)到了上面的幾個(gè)條件,系統(tǒng)就會(huì)認(rèn)為你是一個(gè)優(yōu)質(zhì)的視頻,來給予大量推薦。

5.經(jīng)過前兩步的設(shè)計(jì),基本可以保證90%的視頻可以科學(xué)合理的篩選出抖音的熱門視頻,但是考慮到一些意外情況(比如系統(tǒng)給你的第一波曝光受眾沒有弄好,導(dǎo)致機(jī)器把第一批推薦的目標(biāo)觀眾搞錯(cuò)啦,又或者運(yùn)營的同學(xué)針對(duì)一些節(jié)日或者熱點(diǎn)要人為增加熱門視頻),所以你會(huì)看到抖音當(dāng)中有一部分的視頻上面有“精選”的字樣。

這就是抖音小助手的作用啦,抖音應(yīng)該有一個(gè)內(nèi)容運(yùn)營團(tuán)隊(duì)(預(yù)計(jì)在20-50人左右,現(xiàn)在應(yīng)該更多了),專門負(fù)責(zé)跟用戶互動(dòng)和發(fā)現(xiàn)特別有意思的視頻,直接設(shè)定為熱門視頻。所以發(fā)視頻的時(shí)候偶爾可以嘗試@抖音小助手,增加你的視頻被抖音小編看到的概率,說不定就可以上熱門啦,畢竟雙保險(xiǎn),機(jī)會(huì)更大。

三,如何利用抖音的推薦算法上熱門呢?

那么,該如何利用好抖音的算法呢?

抖音推薦邏輯的三個(gè)關(guān)鍵詞:基礎(chǔ)流量、疊加推薦 、時(shí)間效應(yīng)

5.利用好流量池

如前所述,抖音給每一個(gè)作品都提供了一個(gè)流量池,無論你是不是大號(hào)、作品質(zhì)量如何。你之后的傳播效果,就取決于你的作品在這個(gè)流量池里的表現(xiàn)。

因此,我們要珍惜這個(gè)流量池,想辦法讓我們的作品在這個(gè)流量池中有突出的表現(xiàn)。

抖音評(píng)價(jià)你在流量池中的表現(xiàn),會(huì)參照 4 個(gè)標(biāo)準(zhǔn):① 點(diǎn)贊量 ② 評(píng)論量 ③ 轉(zhuǎn)發(fā)量 ④ 完播率

知道了這 4 個(gè)標(biāo)準(zhǔn),我們就要在一開始視頻發(fā)出來的時(shí)候,想辦法發(fā)動(dòng)所有的你能發(fā)動(dòng)的力量去點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)、把它播放完。

2.疊加推薦

我們自己能發(fā)動(dòng)的力量畢竟有限,因此,當(dāng)作品被推廣到更大的范圍以后,就不是我們能人工干預(yù)的了。這時(shí),我們該如何提升關(guān)鍵的 4 個(gè)指標(biāo)呢?

詳細(xì)的做法我會(huì)在后面提到,這里先簡單說一點(diǎn),啟發(fā)一下你的思路。比如說,既然評(píng)論量很重要,那你在寫視頻的標(biāo)題文案時(shí),是不是應(yīng)該考慮設(shè)置一些互動(dòng)問題,引導(dǎo)用戶留言評(píng)論呢?

但這里要給你提個(gè)醒:千萬不要去刷流量!現(xiàn)在我們看淘寶上面有各種刷抖音流量、評(píng)論、點(diǎn)贊的店鋪,千萬不要去做這種事情,一定會(huì)被關(guān)小黑屋的,一定會(huì)。所以千萬不要投機(jī)。

5.時(shí)間效應(yīng)

我們發(fā)現(xiàn),有些視頻拍出來之后沒火,過幾天、過一個(gè)星期,甚至過了個(gè)把月之后,這個(gè)視頻卻突然火了。所以這個(gè)推薦算法其實(shí)還是很有意思,它會(huì)“挖墳”,帶火一些優(yōu)質(zhì)的老視頻。

所以你比較看好的一些視頻,即使它一開始沒火,你也要持續(xù)去給它去做一些點(diǎn)贊評(píng)論,通過朋友圈去轉(zhuǎn)發(fā)一下。他有可能這個(gè)星期沒有被推薦,但下個(gè)星期有可能就會(huì)被推薦。

4.注意事項(xiàng)

① 一定不能植入硬廣;

② 一定不能有不良的操作,比如說出現(xiàn)武器、出現(xiàn)一些不該出現(xiàn)的鏡頭和畫面;

③ 一定不能讓視頻出現(xiàn)有水印、畫質(zhì)模糊等問題。

這些不僅僅會(huì)讓你的視頻獲得不了推薦,還有可能讓你的視頻被禁言、被限流甚至是被封號(hào)。一旦你的賬號(hào)被封掉之后,在小黑屋里面就出不來了。

標(biāo)簽:吉林 長春 咸寧 淄博 海南 四平 日喀則 伊春