推荐算法原理全文详解(今日头条、抖音)

推荐算法原理全文详解

系统概览以及内容分析、用户标签、评估分析，内容安全等原理。

1.系统概览

推荐系统，如果用形式化的方式去描述实际上是拟合一个用户对内容满意度的函数，这个函数需要输入三个维度的变量。

第一个维度是内容。头条现在已经是一个综合内容平台，图文、视频、UGC小视频、问答、微头条，每种内容有很多自己的特征，需要考虑怎样提取不同内容类型的特征做好推荐。

第二个维度是用户特征。包括各种兴趣标签，职业、年龄、性别等，还有很多模型刻划出的隐式用户兴趣等。

第三个维度是环境特征。这是移动互联网时代推荐的特点，用户随时随地移动，在工作场合、通勤、旅游等不同的场景，信息偏好有所偏移。

结合三方面的维度，模型会给出一个预估，即推测推荐内容在这一场景下对这一用户是否合适。

这里还有一个问题，如何引入无法直接衡量的目标？

推荐模型中，点击率、阅读时间、点赞、评论、转发包括点赞都是可

以量化的目标，能够用模型直接拟合做预估，看线上提升情况可以知道做

的好不好。

但一个大体量的推荐系统，服务用户众多，不能完全由指标评估，引

入数据指标以外的要素也很重要。

比如广告和特型内容频控。像问答卡片就是比较特殊的内容形式，其

推荐的目标不完全是让用户浏览，还要考虑吸引用户回答为社区贡献内容。这些内容和普通内容如何混排，怎样控制频控都需要考虑。

此外，平台出于内容生态和社会责任的考量，像低俗内容的打压，标

题党、低质内容的打压，重要新闻的置顶、加权、强插，低级别账号内容

降权都是算法本身无法完成，需要进一步对内容进行干预。

下面我将简单介绍在上述算法目标的基础上如何对其实现。

前面提到的公式y = F(Xi ,Xu ,Xc)，是一个很经典的监督学习问题。可实现的方法有很多，比如传统的协同过滤模型，监督学习算法

Logistic Regression模型，基于深度学习的模型，Factorization Machine和GBDT等。

一个优秀的工业级推荐系统需要非常灵活的算法实验平台，可以支持多种算法组合，包括模型结构调整。因为很难有一套通用的模型架构适用于所有的推荐场景。

现在很流行将LR和DNN结合，前几年Facebook也将LR和GBDT算法做结合。今日头条旗下几款产品都在沿用同一套强大的算法推荐系统，但根据业务场景不同，模型架构会有所调整。

模型之后再看一下典型的推荐特征，主要有四类特征会对推荐起到比较重要的作用。

第一类是相关性特征，就是评估内容的属性和与用户是否匹配。显性的匹配包括关键词匹配、分类匹配、来源匹配、主题匹配等。像FM模型中也有一些隐性匹配，从用户向量与内容向量的距离可以得出。

第二类是环境特征，包括地理位置、时间。这些既是bias特征，也能以此构建一些匹配特征。

第三类是热度特征。包括全局热度、分类热度，主题热度，以及关键词热度等。内容热度信息在大的推荐系统特别在用户冷启动的时候非常有效。

第四类是协同特征，它可以在部分程度上帮助解决所谓算法越推越窄的问题。

协同特征并非考虑用户已有历史。而是通过用户行为分析不同用户间相似性，比如点击相似、兴趣分类相似、主题相似、兴趣词相似，甚至向量相似，从而扩展模型的探索能力。

模型的训练上，头条系大部分推荐产品采用实时训练。实时训练省资

源并且反馈快，这对信息流产品非常重要。用户需要行为信息可以被模型

快速捕捉并反馈至下一刷的推荐效果。

我们线上目前基于storm集群实时处理样本数据，包括点击、展现、

收藏、分享等动作类型。

模型参数服务器是内部开发的一套高性能的系统，因为头条数据规模

增长太快，类似的开源系统稳定性和性能无法满足，而我们自研的系统底

层做了很多针对性的优化，提供了完善运维工具，更适配现有的业务场景。目前，头条的推荐算法模型在世界范围内也是比较大的，包含几百亿原始

特征和数十亿向量特征。

整体的训练过程是线上服务器记录实时特征，导入到Kafka文件队列中，然后进一步导入Storm集群消费Kafka数据，客户端回传推荐的

label构造训练样本，随后根据最新样本进行在线训练更新模型参数，最

终线上模型得到更新。

这个过程中主要的延迟在用户的动作反馈延时，因为文章推荐后用户

不一定马上看，不考虑这部分时间，整个系统是几乎实时的。

但因为头条目前的内容量非常大，加上小视频内容有千万级别，推荐

系统不可能所有内容全部由模型预估。

所以需要设计一些召回策略，每次推荐时从海量内容中筛选出千级别的内容库。召回策略最重要的要求是性能要极致，一般超时不能超过50

毫秒。

召回策略种类有很多，我们主要用的是倒排的思路。离线维护一个倒排，这个倒排的key可以是分类，topic，实体，来源等。

排序考虑热度、新鲜度、动作等。线上召回可以迅速从倒排中根据用户兴趣标签对内容做截断，高效的从很大的内容库中筛选比较靠谱的一小部分内容。

二、内容分析

内容分析包括文本分析，图片分析和视频分析。头条一开始主要做资讯，今天我们主要讲一下文本分析。文本分析在推荐系统中一个很重要的作用是

用户兴趣建模。

没有内容及文本标签，无法得到用户兴趣标签。举个例子，只有知道文

章标签是互联网，用户看了互联网标签的文章，才能知道用户有互联网标签，其他关键词也一样。

一方面，文本内容的标签可以直接帮助推荐特征，比如魅族的内容可以

推荐给关注魅族的用户，这是用户标签的匹配。

如果某段时间推荐主频道效果不理想，出现推荐窄化，用户会发现到具

体的频道推荐（如科技、体育、娱乐、军事等）中阅读后，再回主feed,推

荐效果会更好。

因为整个模型是打通的，子频道探索空间较小，更容易满足用户需求。

只通过单一信道反馈提高推荐准确率难度会比较大，子频道做的好很重要。

而这也需要好的内容分析。

上图是今日头条的一个实际文本case。可以看到，这篇文章有分类、关

键词、topic、实体词等文本特征。

当然不是没有文本特征，推荐系统就不能工作，推荐系统最早期应用在

Amazon,甚至沃尔玛时代就有，包括Netfilx做视频推荐也没有文本特征直

接协同过滤推荐。

但对资讯类产品而言，大部分是消费当天内容，没有文本特征新内容冷

启动非常困难，协同类特征无法解决文章冷启动问题。

今日头条推荐系统主要抽取的文本特征包括以下几类。首先是语义标签

类特征，显式为文章打上语义标签。

这部分标签是由人定义的特征，每个标签有明确的意义，标签体系是预

定义的。

此外还有隐式语义特征，主要是topic特征和关键词特征，其中topic

特征是对于词概率分布的描述，无明确意义；而关键词特征会基于一些统一

特征描述，无明确集合。

另外文本相似度特征也非常重要。在头条，曾经用户反馈最大的问题之

一就是为什么总推荐重复的内容。这个问题的难点在于，每个人对重复的定

义不一样。

举个例子，有人觉得这篇讲皇马和巴萨的文章，昨天已经看过类似内容，

今天还说这两个队那就是重复。

但对于一个重度球迷而言，尤其是巴萨的球迷，恨不得所有报道都看一遍。

解决这一问题需要根据判断相似文章的主题、行文、主体等内容，根据

这些特征做线上策略。

同样，还有时空特征，分析内容的发生地点以及时效性。比如武汉限行

的事

情推给北京用户可能就没有意义。最后还要考虑质量相关特征，判断内

容是否低俗，色情，是否是软文，鸡汤？

上图是头条语义标签的特征和使用场景。他们之间层级不同，要求不同。

分类的目标是覆盖全面，希望每篇内容每段视频都有分类；而实体体系

要求精准，相同名字或内容要能明确区分究竟指代哪一个人或物，但不用覆盖很全。

概念体系则负责解决比较精确又属于抽象概念的语义。这是我们最初的分类，实践中发现分类和概念在技术上能互用，后来统一用了一套技术架构。

目前，隐式语义特征已经可以很好的帮助推荐，而语义标签需要持续标注，新名词新概念不断出现，标注也要不断迭代。其做好的难度和资源投入要远大于隐式语义特征，那为什么还需要语义标签？

有一些产品上的需要，比如频道需要有明确定义的分类内容和容易理解的文本标签体系。语义标签的效果是检查一个公司NLP技术水平的试金石。

今日头条推荐系统的线上分类采用典型的层次化文本分类算法。

最上面Root，下面第一层的分类是像科技、体育、财经、娱乐，体育这

样的大类，再下面细分足球、篮球、乒乓球、网球、田径、游泳…，足

球再细分国际足球、中国足球，中国足球又细分中甲、中超、国家队…，相比单独的分类器，利用层次化文本分类算法能更好地解决数据倾斜的

问题。

有一些例外是，如果要提高召回，可以看到我们连接了一些飞线。

这套架构通用，但根据不同的问题难度，每个元分类器可以异构，像有

些分类SVM效果很好，有些要结合CNN，有些要结合RNN再处理一下。

上图是一个实体词识别算法的case。基于分词结果和词性标注选取候选，期间可能需要根据知识库做一些拼接，有些实体是几个词的组合，要确

定哪几个词结合在一起能映射实体的描述。

如果结果映射多个实体还要通过词向量、topic分布甚至词频本身等去歧，最后计算一个相关性模型。

三、用户标签

内容分析和用户标签是推荐系统的两大基石。内容分析涉及到机器

学习的内容多一些，相比而言，用户标签工程挑战更大。

今日头条常用的用户标签包括用户感兴趣的类别和主题、关键词、来源、

基于兴趣的用户聚类以及各种垂直兴趣特征（车型，体育球队，股票等）。还有性别、年龄、地点等信息。

性别信息通过用户第三方社交账号登录得到。年龄信息通常由模型预测，

通过机型、阅读时间分布等预估。

常驻地点来自用户授权访问位置信息，在位置信息的基础上通过传统聚类

的方法拿到常驻点。

常驻点结合其他信息，可以推测用户的工作地点、出差地点、旅游地点。

这些用户标签非常有助于推荐。

当然最简单的用户标签是浏览过的内容标签。但这里涉及到一些数据处理

策略。

主要包括：

一、过滤噪声。通过停留时间短的点击，过滤标题党。

二、热点惩罚。对用户在一些热门文章（如前段时间PG One的新闻）上的

动作做降权处理。理论上，传播范围较大的内容，置信度会下降。

三、时间衰减。用户兴趣会发生偏移，因此策略更偏向新的用户行为。因此，随着用户动作的增加，老的特征权重会随时间衰减，新动作贡献的特

征权重会更大。

四、惩罚展现。如果一篇推荐给用户的文章没有被点击，相关特征（类别，关键词，来源）权重会被惩罚。当

然同时，也要考虑全局背景，是不是相关内容推送比较多，以及相关的关

闭和dislike信号等。

用户标签挖掘总体比较简单，主要还是刚刚提到的工程挑战。头条用户标

签第一版是批量计算框架，流程比较简单，每天抽取昨天的日活用户过去

两个月的动作数据，在Hadoop集群上批量计算结果。

但问题在于，随着用户高速增长，兴趣模型种类和其他批量处理任务都在增加，涉及到的计算量太大。

2014年，批量处理任务几百万用户标签更新的Hadoop任务，当天完成已经

开始勉强。集群计算资源紧张很容易影响其它工作，集中写入分布式存储系

统的压力也开始增大，并且用户兴趣标签更新延迟越来越高。

面对这些挑战。2014年底今日头条上线了用户标签Storm集群流式计算系统。改成流式之后，只要有用户动作更新就更新标签，CPU代价比较小，可以节省80%的CPU时间，大大降低了计算资源开销。

同时，只需几十台机器就可以支撑每天数千万用户的兴趣模型更新，并且特

征更新速度非常快，基本可以做到准实时。这套系统从上线一直使用至今。

当然，我们也发现并非所有用户标签都需要流式系统。像用户的性别、年龄、常驻地点这些信息，不需要实时重复计算，就仍然保留daily更新。

四、评估分析

上面介绍了推荐系统的整体架构，那么如何评估推荐效果好不好？

有一句我认为非常有智慧的话，“一个事情没法评估就没法优化”。对推荐

系统也是一样。

事实上，很多因素都会影响推荐效果。比如侯选集合变化，召回模块的改进

或增加，推荐特征的增加，模型架构的改进在，算法参数的优化等等，不一

一举例。

评估的意义就在于，很多优化最终可能是负向效果，并不是优化上线后效果

就会改进。

全面的评估推荐系统，需要完备的评估体系、强大的实验平台以及易用的经验分析工具。

所谓完备的体系就是并非单一指标衡量，不能只看点击率或者停留时长等，需要综合评估。

很多公司算法做的不好，并非是工程师能力不够，而是需要一个强大的实验平台，还有便捷的实验分析工具，可以智能分析数据指标的置信度。

一个良好的评估体系建立需要遵循几个原则，首先是兼顾短期指标与长期指标。我在之前公司负责电商方向的时候观察到，很多策略调整短期内用户觉得新鲜，但是长期看其实没有任何助益。

其次，要兼顾用户指标和生态指标。既要为内容创作者提供价值，让他更有尊严的创作，也有义务满足用户，这两者要平衡。

还有广告主利益也要考虑，这是多方博弈和平衡的过程。

另外，要注意协同效应的影响。实验中严格的流量隔离很难做到，要注意外部效应。

强大的实验平台非常直接的优点是，当同时在线的实验比较多时，可以由平台自动分配流量，无需人工沟通，并且实验结束流量立即回收，提高管理效率。

这能帮助公司降低分析成本，加快算法迭代效应，使整个系统的算法优化工作能够快速往前推进。

这是头条A/B Test实验系统的基本原理。首先我们会做在离线状态下做好用户分桶，然后线上分配实验流量，将桶里用户打上标签，分给实验组。

举个例子，开一个10%流量的实验，两个实验组各5%，一个5%是基线，策略

和线上大盘一样，另外一个是新的策略。

实验过程中用户动作会被搜集，基本上是准实时，每小时都可以看到。但因

为小时数据有波动，通常是以天为时间节点来看。动作搜集后会有日志处理、分布式统计、写入数据库，非常便捷。

在这个系统下工程师只需要设置流量需求、实验时间、定义特殊过滤条件，

自定义实验组ID。系统可以自动生成：实验数据对比、实验数据置信度、实

验结论总结以及实验优化建议。

当然，只有实验平台是远远不够的。线上实验平台只能通过数据指标变化推

测用户体验的变化，但数据指标和用户体验存在差异，很多指标不能完全量化。

很多改进仍然要通过人工分析，重大改进需要人工评估二次确认。

五、内容安全

最后要介绍今日头条在内容安全上的一些举措。头条现在已经是国内最大的

内容创作与分发凭条，必须越来越重视社会责任和行业领导者的责任。如果1%的推荐内容出现问题，就会产生较大的影响。

现在，今日头条的内容主要来源于两部分，一是具有成熟内容生产能力的PGC 平台

一是UGC用户内容，如问答、用户评论、微头条。这两部分内容需要通过统

一的审核机制。如果是数量相对少的PGC内容，会直接进行风险审核，没有

问题会大范围推荐。

UGC内容需要经过一个风险模型的过滤，有问题的会进入二次风险审核。审核通过后，内容会被真正进行推荐。这时如果收到一定量以上的评论或者举报

负向反馈，还会再回到复审环节，有问题直接下架。

整个机制相对而言比较健全，作为行业领先者，在内容安全上，今日头条一

直用最高的标准要求自己。

分享内容识别技术主要鉴黄模型，谩骂模型以及低俗模型。今日头条的低俗模型通过深度学习算法训练，样本库非常大，图片、文本同时分析。

这部分模型更注重召回率，准确率甚至可以牺牲一些。谩骂模型的样本库同样超过百万，召回率高达95%+，准确率80%+。如果用户经常出言不讳或者不当的评论，我们有一些惩罚机制。

泛低质识别涉及的情况非常多，像假新闻、黑稿、题文不符、标题党、内容质量低等等，这部分内容由机器理解是非常难的，需要大量反馈信息，包括其他样本信息比对。

目前低质模型的准确率和召回率都不是特别高，还需要结合人工复审，将阈值提高。目前最终的召回已达到95%，这部分其实还有非常多的工作可以做。别平台。

抖音作品很好为什么不被推荐原因

有些抖主玩了几个月，都不知道自己领域的潜在客户需求和喜好，天天盼着热门涨粉，也不知道为什么热门和不热门，为什么涨粉和不涨粉。 我们操作的每一个细节都是根据数据来判断，不断校正，我们上传视频之后会立刻观察每一项数据。 抖音怎么持续上热门，持续赚钱，这就需要对视频数据分析。 玩抖音，除了内容，最重要的就是数据分析，很多抖主粉丝涨到一定的程度时就遇到了瓶颈期，粉丝不在往上涨，中途如果增加产品，不知道怎么来调整产品方案从新调整内容。 只有通过数据分析才能判断出来我们的抖音15秒视频做的怎么样，是否收到用户喜欢，我们也知道大概怎么去调整我们的视频内容。通过粉丝行为数据分析能够找到粉丝的喜好，需求，当下急切想要的内容，为下一步制作视频内容，打造用户需求的产品做准备。 在运营抖音号时，我们通过抖音的数据来调整内容方案，产品方案，引流方案，变现方案。 数据分析我们的视频火不火，能不能上热门，上热门的概率是多少，这些是怎么判断出来的，说白了全靠数据粉丝+我们的第六感（感觉）+调整测试。

关于数据的分析，我们刚开始玩抖音的时候可能用不到，随着我们的视频越做越多，越做越火，数据运营就是非常的重要。 说白了，重点的参考就是数据分析，我们分析数据的时候，主要从以下角度出发： ⑴自己视频数据分析 ⑵同行视频数据分析 ⑶热门视频数据分析 ⑷搜索视频数据分析 每一块前期我们花了半个月的时间分析，之后我们每天都要花费半小时到1小时的时间来分析，每天如此。 分析具体细节的时候，我们每个细节都分析的很清晰，不说别的，光分析同行，就要分析几百条，从分析抖音同行，我简单列几个，供大家参考： ①抖音账号名字 抖音的名字就是我们的定位，更是我们个人品牌、公司品牌的一个展示，也方便用户判断我们到底是干什么的，这个名字到底怎么起名是有方法、有技巧，这里给大家一个公式：品牌词（个人姓名）+行业词。

抖音上热门的3个核心算法

抖音上热门的3个核心算法，你学会了吗？ 在公众号上面，如果我们没有足够多的粉丝基数，那我们发的内容阅读量就会比较低，但是在抖音平台，哪怕你没有任何名气，没有一个粉丝，完全的零流量也可以在很短的时间内打造出一个百万精准的粉丝大号。只要你做出了优质的内容，抖音平台会自动的分配精准流量给你，因而带来大量的曝光度，收割大量的粉丝和关注度。在这些前提下，我们首先需要知道抖音背后的推进算法机制，只有掌握了算法机制，才能根据其算法不断的调整内容，引起大流量的曝光。那抖音是如何推荐作品的，也就是说我们的作品上热门，他的原理是什么？主要围绕这三个关键词，分别是流量池，层层推荐以及时间性。首先，我们先讲一下流量池，第一个，不知道我们玩过抖音的朋友有没有发现，就是刚刚发布的作品都会有那么几百个播放量，这个是抖音自动为我们的作品分配的流量。所以说不管你发布的作品是好是坏，只要不违规通过了，多多少少都会有人观看的，这个就是播放量，这个是我们的流量池，但是很多粉丝发现，我的作品最开始都是几百个播放量，怎么后面越来越少，甚至没有了，这个要么就是我们的作品违规了，要不然就是作品质量太差，慢慢可能就会降低你的推荐，缩小流量池，甚至是零播放。在抖音内容为王，优质的作品为王。第二个层层推荐，当我们的作品进入流量池之后，接下来就看我们的作品在流量池的表现情况，系统它会先放到小的流量池，先看你的表现情况。如果观看的用户反馈的很不错，那么系统就会把你放到更大的流量池当中。如果依旧用户的反馈很不错，那么系统就会继续放大，放大到更大一点的流量池。因此啊，如果表现越好，这个流量池就会越来越大。这个就是抖音，他会给我们不断的增加，不断给我们加推送，直到停止。至于能不能得到推荐，能够得到多少的推荐，就看我们抖音的作品，和我们以往抖音账号的表现。那我们先讲一下作品在流量池的表现，再讲抖音账号在过去的表现。第一个，作品在流量池的表现，表现越好，推进的流量就越多。抖音是如何判断这个作品是不是应该推进了呢？有五个表现，第一个，点赞数量，我们看到抖音的点赞或者双击屏幕就会收藏到我们的喜欢的列表。这个点赞越多，越有利于上热门，这里大家可以去研究一下用户为什么会给你点赞，或者说别人的作品为什么会产生这么多的点赞。原因是什么，其中内容吸引力又在哪里？，这是大家需要多多思考的。这个有利于我们之后做出受欢迎的作品。第二个就是用户观看时长，也就是用户对我们内容质量度以及创意度的一种评定，广告视频没有人喜欢看，也没有人喜欢给双击，给转发关注，作品自然就比较难上热门，难以获得平台的推进。虽然抖音只有十五秒的视频，但现在开通了一分钟的长视频。但是老师不建议大家去开通，去拍一分钟的视频。如果用户，他只看了五秒钟就刷到下一个视频，那说明我们的视频质量，内容不怎么样，也就是不能收到用户的喜欢，平台自然就不会给热门，不会给你太多的推荐。因此啊，用户观看时长特别重要，我们必须要站在客户的角度去思考如何制作出用户喜欢的视频。第三，就是停顿数量很多，但是评论少的可怜，就这种量差，也需要引起我们的高度重视，就是如何在短视频内容的基础上，找到引导用户来评论的方法。怎么样去引导评论，也是需要我们去关注的。第四，转发数量，好的内容自然就会赢得大家的纷纷的转发，转发本身就可以带给我们精准的流量。别人为什么会转发你的抖音视频，或者说你为什么要转发别人的抖音视频，这就是我们平时需要关注的。第五，关注的数量。也就是说，我们说了涨粉量，关注数量分为两个方面，一个是当前作品带给我们的关注量。另一个是我们的账号定位，也就是我们过往账号发布的作品带给我们的涨粉量。很多时候我们关注抖音号都会去看他的主页作品，再决定

抖音的推荐机制算法深度剖析

玩抖音，很多朋友以为数量到了，就容易上热门，但是如果用户不喜欢，发再多抖没用。热门是有一套算法，符合算法就容易上，不符合就不上，而这套算法就是由用户行为数据决定的。 很多人玩抖音，以为玩抖音就是发视频就可以了，真是这样吗，玩过一段时间就会生有体会，没推荐，没流量，突然提示违规了，一切都很被动，为什么别人的视频就上热门，为什么你的就是不热门，没人看，决定这一切的就是抖音平台对内容的推荐算法。 上热门很多新手都以为是平台给的，其实是你的粉丝决定的，这篇文章来详细解析。 什么是算法：可以理解为，抖音对上热门的评判标准，其实，对于个人来讲，这是一个好事，算法可以让很多小白，即使没有任何背景的个人和大号，明星在同一个起点上，都靠内容来说话，抖音不管你是谁，就这么简单。 所以，玩抖音某方面也可以说就是做用户喜欢的内容，决定热门的，不是平台而是你的客户，看完先的文章就明白了。 在抖音算法面前人人平等，只看作品，不看人。每个人都有机会在上面“露脸”，都有机会获得大的曝光率。 在抖音，如果视频没热门，等于视频没流量、也就没人关注，那就更别谈什么精准引流、卖货了。 做抖音别想着走捷径，踏踏实实创作与定位领域相关的优质内容才是王道。

这是获得抖音平台海量推荐核心标准，我们必须研究透彻抖音的推荐算法。 在讲解抖音推荐算法之前，先说说抖音推荐算法的好处，明白了好处，你就清楚抖音15秒内容应该朝着哪些方向去制作。 我们只需要知晓抖音的推荐算法，然后我们围绕着算法制作优质的15秒视频内容即可，不断的去优化15秒内容即可，流量会越来越大。 抖音推荐算法的好处： ①让每一个有能力做出优质视频的抖音创作者，得到了跟百万粉丝、千万粉丝大号公平竞争的机会，不会因为你刚来，就遏制你。 ②遏制了垃圾视频的发展（搬运+用户不喜欢的），要么限流，要么直接干掉。 ③放任优质视频的传播（原创+用户喜欢），尤其是垂直定位的抖音号更受用户欢迎，受到平台的优待。 ④帮助真正想玩抖音的人优化视频，获得更大的曝光量，想办法帮助优质作者涨粉、赚钱，各种福利政策奖励给抖音作者。 那抖音是如何推荐作品的，也就是我们作品上热门的原理是什么，这里给大家讲解一下： ①流量池 ②层层推 ③时间性

抖音如何快速上推荐上热门运营方法

玩抖音最关心的是热门，因为只有上了热门才能粉，有粉丝才能变现。 有很多玩家知道热门算法，但不知道热门算法具体有什么好处。 很多刚接触的抖主会想，抖音有那么多公司，企业，团队，我是一个人能玩抖音吗。 在抖音我们可以看到，有的抖主发几十上百个视频，只有几百上千粉丝。 而有的抖主发几个作品就能涨几十上百万粉丝，决定这一切的就是抖音热门算法。 入住任何平台，先要熟悉平台的规章制度，和推荐算法原理。 无论是百度，今日头条，微信，抖音，对于作品的推荐，都有一套完善的推荐算法。 回想下，我们去刷抖音，刷淘宝，为什么下次在刷时，推荐的内容和上次的都差不多。

因为我们在一个平台的浏览痕迹会被记录，平台会通过这个浏览痕迹给贴上标签。 贴标签，其实就是把用户分类，我们发的作品审核通过后，平台会根据账号的定位，关键词，视频内容，来推荐给已经贴好标签的用户。 既然热门算法这么重要，李君羊我接下来带领各位抖主一起来了解有关算法那些事。 一，热门算法原理 算法可以简单理解为，抖音对上热门的评判标准，其实，对于个人来讲，这是一个好事。 算法可以让很多小白，即使没有任何背景的个人和大号，明星，同在一个起点上，都靠内容来说话，抖音不管你是谁，就这么简单。

大的平台必须要有算法，不然没办法维持正常运转，算法就是一套评判机制，这套机制对平台的所有用户都有效。 无论是观看者，还是内容生产者，很多时候我们又是观看者也是内容生产者。 我们在平台上的每一个动作简称用户行为（浏览痕迹），平台根据这些行为来判断我们的账号性质。 并将我们分为优质用户、沉默用户、流失用户、可挽回用户等。 还会判断我们是否为营销号，有没有违规操作，如果有，平台就会将我们的账号关进小黑屋（简称限流）。 如果判断出我们是一个优质的原创内容生产者，平台就会给予一定扶持和流量推荐。 二，算法有什么用

抖音最后的赚钱风口已经来到,全网最全的抖音从零开始运营攻略(知乎没有第三篇)

全网最全的零基础抖音运营攻略 如今这个年头,做什么赚钱最容易？我觉得还是做抖音 . 抖音全球月活跃用户数高达30亿,藏在巨大流量背后的,是无法估量的经济效益和赚钱机会 . 靠抖音年赚百万,千万的成功例子,比比皆是,源凯就不举例子了,相信大家已经看到过很多很多 . 今天分享的干货：从0到1抖音运营最全攻略,整篇干货,希望能对那些在抖音赚钱的人提供动力（建议收藏） 文章大纲如下： （1）做抖音前的一些准备工作 （2）抖音算法,推荐机制解析 （3）抖音养号攻略和注意事项 （4）抖音日常运营中的实用工具 （5）运营抖音过程常见问题汇总 （6）抖音运营方法总结 1：做抖音前的准备工作 （1）账号注册 不管是批量操作抖音号还是单号操作,大家记住一个规则：一机、一

卡、一号,为了降低风险,这个抖音号只在当前手机登陆,其余手机不再登陆,不要随便变换IP,更换账号 . 手机推荐,小米、荣耀等,价值500-1000左右即可 . （2）账号定位 账号定位实际上定位的是：变现方式和目标人群 . 所以,必须进行精准定位,一个抖音号只定位一类目标人群,只做垂直领域,这样我们操作抖音号的难度降低很多倍 .抖音账号定位越垂直,账号权重越高 . 如果一天发美食,一天发舞蹈,再过两天发明星,不仅无法吸引垂直领域的粉丝关注,而且还会导致账号权重降低,获得的初始推荐流量变少 . 一个好的抖音账号定位,可以帮助我们快速涨粉、快速引流、快速变现,抖音账号定位越精准、越垂直,粉丝越精准,变现越轻松,获得的精准流量就越多 . 账号定位,目前抖音比较热门内容主要分为这么几类,供大家参考： ①颜值类的：小哥哥、小姐姐、萌娃、萌宠 . ②才艺表演类：技术流、舞蹈、手工、唱歌、特效、配音、美术、搞笑、画画、编发等等 . ③兴趣类：健身、动漫、美食、美妆、情感、摄影、影视、音乐、街拍 . ④教学类：PS教学、办公软件、抖音运镜、母婴知识、亲子知识、

抖音上热门推算方法,推送规律

上热门核心标准，就是用户喜欢的内容，而不是我们认为专业，震撼的作品，也不是我们喜欢的作品。 一定要记住，内容是用户喜欢，不是我们喜欢。 想让自己的作品上热门，获得平台大量推荐，首先要做的就是，了解平台获得推荐流量的原理，也就是抖音推荐算法。这样咱们才能利用抖音平台，来涨粉，引流，卖货，而上热门的核心就是高质量的内容。 很多朋友认为数量到了，就容易上热门，但是如果用户不喜欢，发再多都没用，还会被平台判定位为，低质量内容创造者。 上热门有一套推荐算法，符合算法就容易上热门，不符合就上不去，而这套算法，就是由用户行为数据来决定的，在抖音热门，不看人，只看作品，在抖音面前人人平等。 在抖音上，只要你看过几个视频，抖音就能大概知道你的喜好，并主动推荐类似的视频给你，抖音是怎么看出来的，实际上就是抖音个性推荐算法。 抖音会通过分析数据，比任何人都了解你的兴趣爱好，因为我们的每一个行为，都会被系统记录。 推荐的内容都是我们想看到，和喜欢看的，所以，刷抖音的人越来越多，抖音会把我们平时观看的行为，记录下来。

一个作品是否能被粉丝，完整的观看，双击爱心，评论，转发，关注，私信，搜索，主页访问量都会被记录，简称大数据。 比如，我们看了一个视频之后，接着又点击头像进入个人主页，然后继续看其他的作品，又关注他的抖音号，这个喜欢程度是不一样的。 在抖音上只看作品，每个人抖音机会在上面露脸，都有机会获得更大的曝光量。 随着用户的增长，抖音上的作品会越来越多，这些作品只有通过算法，才能更好有效的分发出去。 用户在筛选作品的时候，也更容易找到符合自己喜好的作品。因此，抖音算法，让每一个有能力产出优质内容的人，得到了跟大号公平竞争的机会。 更多抖音运营技巧百度搜李君羊，记住，在抖音，内容为王，只看内容看不人。 我们的视频是如何被推荐的，抖音是根据什么来判断，用户是否喜欢我们的视频的呢，根据以下三个点来推荐。 1.初始流量。 2.叠加推荐。 3.时效周期。

抖音短视频运营小规则

抖音短视频规则 一、抖音的定义 1、抖音是个去中心化的平台，根本没有什么权重，主要是看你账号的活跃度，互动关系，和行为习惯标签，抖音后台技术有去重机制，机器会自动判断你的视频重复率。重复率达到一定的比例视为重复，不会给推荐； 2、在抖音上尽量做竖屏的视频，横屏的视频相对体现不好，用户体验不好自然不会更多的推荐量； 3、抖音的审核方式有两种，人工审核+机器审核。你的作品发布后，会得到官方的机器审核，审核作品是否为搬运，如果识别出来，除了给你推荐几百基础播放，后面不会给你推送，获取更多的曝光； 4、抖音是算法驱动的平台，推荐逻辑和别的平台不同，强化的是人设标签，绝对不是依靠量来弥补战略上的错误。什么叫完播率?一个作品的内容是15秒，用户需要用15秒看完了，这就是完播率，如果你的视频很长1分钟，需要花费1分钟的时间才能看完，如果看不完就划走了，那么会判断你的视频不是用户所喜欢的，所以不建议大家去考虑长视频，也是新手不懂抖音运营规则的一个坑。抖音注重的是完播率，不是视频长短。 二、抖音推荐机制分为了六大板块： 1、循环去中心化原则 2、流量池原则 3、时间效应 4、注意事项 5、帐号权重算法 6、注册算法

通过上图我们可以看出，想要做好抖音引流，不光要不断的学习，还要不断的去实践，当你实践了，你能收获更多。我们慢慢的来解析每一步 1、抖音平台模式 抖音是一个很神奇的平台，更是一个很个性化的平台，对于我们引流来说简直是机会无穷，抖音以个性定向推荐模式，让人人都可以成为最闪耀的星星，和快手想对比，抖音引流会稍微更容易一些。 2、流量池规则 对于我们运营者来说，抖音判断你的视频会有4个标准：点赞数量，评论数量，转发数量，完整播放率，播放率低于50%都是属于僵尸作品，点赞率和转发率是成正比。 每一个抖音发布的作品系统自动都会提供一个流量池，你的作品好不好取决于你自己的传播速度，你传播分享的快，推荐的数量也会增加，初期会有300左右的推荐值，表现好会给到1万左右的推荐值，过10万的将会几何倍增，这也就是大热门的来源，只要热门了，这个作品将会越来越火爆，引流效果自然就能达到。 3、时间效应规则 我们会发现，有时候你最新的作品没有火，但是抖音不推荐，偶然的机会你发现你的老

抖音短视频推荐机制和技巧总结

很多人玩抖音，以为玩抖音就是发视频就可以了，真是这样吗，玩过一段时间就会生有体会，没推荐，没流量，突然提示违规了，一切都很被动，为什么别人的视频就上热门，为什么你的就是不热门，没人看，决定这一切的就是抖音平台对内容的推荐算法。 什么是算法：可以理解为，抖音对上热门的评判标准，其实，对于个人来讲，这是一个好事，算法可以让很多小白，即使没有任何背景的个人和大号，明星在同一个起点上，都靠内容来说话，抖音不管你是谁，就这么简单。 所以，玩抖音某方面也可以说就是做用户喜欢的内容，决定热门的，不是平台而是你的客户，看完先的文章就明白了。 在抖音算法面前人人平等，只看作品，不看人。每个人都有机会在上面“露脸”，都有机会获得大的曝光率。 在抖音，如果视频没热门，等于视频没流量、也就没人关注，那就更别谈什么精准引流、卖货了。 做抖音别想着走捷径，踏踏实实创作与定位领域相关的优质内容才是王道。 这是获得抖音平台海量推荐核心标准，我们必须研究透彻抖音的推荐算法。 在讲解抖音推荐算法之前，先说说抖音推荐算法的好处，明白了好处，你就清楚抖音15秒内容应该朝着哪些方向去制作。 我们只需要知晓抖音的推荐算法，然后我们围绕着算法制作优质的15秒视频内容即可，不断的去优化15秒内容即可，流量会越来越大。

抖音推荐算法的好处： ①让每一个有能力做出优质视频的抖音创作者，得到了跟百万粉丝、千万粉丝大号公平竞争的机会，不会因为你刚来，就遏制你。 ②遏制了垃圾视频的发展（搬运+用户不喜欢的），要么限流，要么直接干掉。 ③放任优质视频的传播（原创+用户喜欢），尤其是垂直定位的抖音号更受用户欢迎，受到平台的优待。 ④帮助真正想玩抖音的人优化视频，获得更大的曝光量，想办法帮助优质作者涨粉、赚钱，各种福利政策奖励给抖音作者。 那抖音是如何推荐作品的，也就是我们作品上热门的原理是什么，这里给大家讲解一下： ①流量池 ②层层推 ③时间性 这个是我自己总结的经验，后面会随着我们的实战测试，不断的总结抖音推荐算法，到时候我们都会写出文章、做出视频。 ①流量池 不知道我们玩过抖音的朋友发现没，刚刚发布的作品都会有那么几百个播放量，这个是抖音自动为我们的作品分配的流量，所以不管你发布作品的好坏，只要不

抖音热门机制算法详解百万粉丝背后的逻辑

抖音热门机制算法详解 今天这节分享抖音热门机制算法，我们首先来看抖音算法的原理图 （打个比方：）一个新视频发布后，会先系统检测是否违规，如果违规，就会做删除视频，或者封号处理、是否封号主要看你账号的违规程度，一般情况下只是删除视频。如果没有违规，作品上传成功之后，会同时推荐给300个在线用户推荐，这300个就是初始的流量池，这300人产生的点赞、评论、完播（把视频看完）、分享的数量达标之后，就会进入代推荐列表，进行人工审核。如果人工审核有问题，就会将作品屏蔽只能自己看到或者删除。如果人工审核也没有违规，就会进一步往更大的流量池推荐，比如说，同时给3000人推荐，达标后再进一步推荐给1万人，以此类推

抖音的推荐机制，前面的课程也说了，是给你的作品打上标签，给用户打上标签，然后把合适的内容，推荐给对应的人，比如你的作品是服装搭配的分享，系统就会把你的作品推荐给喜欢看服装搭配的人。 接下来我们继续讲抖音账号权重的算法。通常来说新注册的一个账号，她的前五个作品非常重要，她能够决定你这个账号初始的权重和你账号的标签，因为你新账号没有发布过作品，开始是没有标签的，所以最初你发布的这几个作品会给你的账号打上标签，然后才能把你的作品推荐给相应标签的人 根据他们的反馈再一级一级的往更大的流量池去推荐，当然如果你不能进入到下一个流量池那就直接刷掉，所以说如果你前5个视频发布出来以后比较受粉丝欢迎，同时内容也是比较垂直的就非常容易上热门了 下面继续说一下热门账号的标准，权重区间是如何划分 的首先我们来说第一种，僵尸号 账号连续发布一周作品，她的播放量一直都在100以下，基本可以判定这个账号是僵尸号了，僵尸号基本可以判定是个废号，一般我们建议直接换号，出现这样的情况一般是我们没有做好养号的步骤，也可能是账号本身或者你的手机号各方面的原因造成的！第二种最低权重号 最低权重号怎么判定呢？如果你的账号连续一周的作品播放量都在在100-200之间就属于最低的权重号，最低的权重号她只会被推荐到D级的流量池，如果说你连续半个月的作品播放量都没有突破的话，她就会被降为僵尸号，也就会变为废号。 这里顺便说一下那种降权号，而且你是收到抖音明确的那种通知，就比如说原来播放量都市

抖音上热门算法及详细优化方法

抖音怎么上热门，怎么来涨粉，怎么赚钱，需要在一个正常的账号上来发布内容，吸引对内容感兴趣的粉丝来转化。 一个人做不起来抖音的原因，无视抖音平台规则，没有给自己清晰的定位，发作品都是乱发，只重视技巧，不重视运营，没有给自己找到一个可持续更新作品的方向，基本都是走一步 抖音系统运营方案，玩抖音的第一步不是改资料、不是发作品，而是先做好账号定位，账号定位做好了，再改资料，再发作品。 因为一切都是围绕账号定位发作品，这是我们反复强调的。 所以，大家记住，做账号定位之前先懂平台的规则，先懂平台的规则，然后在熟悉抖音作品热门算法。 围绕热门算法来设计内容，热门算法能帮助真正想玩抖音的人，去优化视频，获得更大的推荐量。 一个作品怎么上热门，平台又怎么根据用户的喜好来推荐作品，主要三个方面，初始流量，叠加推荐，时效周期，来智能推荐。 抖音推荐算法的好处： ①让每一个有能力做出优质视频的抖音创作者，得到了跟百万粉丝、千万粉丝大号公平竞争的机会，不会因为你刚来，就遏制你。 ②遏制了垃圾视频的发展（搬运+用户不喜欢的），要么限流，要么直接干掉。 ③放任优质视频的传播（原创+用户喜欢），尤其是垂直定位的抖音号更受用户欢迎，受到平台的优待。

④帮助真正想玩抖音的人优化视频，获得更大的曝光量，想办法帮助优质作者涨粉、赚钱，各种福利政策奖励给抖音作者。 那抖音是如何推荐作品的，也就是我们作品上热门的原理是什么，这里给大家讲解 ①初始流量 ②叠加推荐 ③时效周期 这个是我自己总结的经验，后面会随着我们的实战测试，不断的总结抖音推荐算法，到时候我们都会写出文章、做出视频。 ①初始流量 初始流量，就是平台给推荐的第一批流量，账号级别不同，推荐的粉丝数量也会不同，来看看初始流量的重要性吧。 平台推荐的第一批基础流量，简称流量池，如果作品在这个流量池里表现得好，平台会根据表现的力度，来决定下一轮推荐量。 这个表现分别是用户看过作品后，做出的反应行为，如，观看视频时长，点赞量，评论量，转发量，复播率，关注数量，浏览痕迹。 如果这几点数据越高，那么平台会认为这个作品非常受用户所喜欢，从而后面持续叠加推荐给更多用户。 明白这个关键因素后，运营者就要珍惜这个初始流量，做好内容的每一个细节，让作品在这个流量池里表现突出。

抖音短视频平台视频推荐模式研究

抖音短视频平台视频推荐模式研究摘要：优秀的算法不但节约了用户寻找优质内容的时间成本，同时也使得 平台运营商对高校大学生用户基本情况有了大致的了解。例如，一些外卖平台 在用户使用时就会就近推荐外卖商家或按照用户的使用习惯推荐其最感兴趣 的菜品，只都是算法移动社交领域中的应用。抖音在短时间内迅速扩大市场，积累用户，其背后的智能算法团队可以说功不可没。 关键词：抖音，短视频，视频 一、基于用户信息的基本协同过滤 基于用户信息的基本协同过滤是抖音整个算法体系中最基础和最简单的算法，也是在视频推广过程中普遍应用的算法。抖音通过获取用户注册时的基本信息，如性别、年龄、地址和基本兴趣点，对用户的画像有了大致的描绘。其后，在信息分发过程中，抖音通过考虑用户之间的相似程度进行相似内容的推荐。当用户开始接触平台，且所提供的信息越详细或越准确，其对用户需求的判断越接近用户的真实需要。我们可以构建如下推荐模式模型。 假如A、B、C、D的基本信息较为相似，则前期在A、B、C共同感兴趣的内容或产生点赞、评论、转发等使用行为的内容会较为优先推荐给D。比如，抖音的主界面分为同城和推荐两个模块，推荐模块一个重要的原则就是视频内容和用户兴趣的匹配程度。匹配程度越高的信息越能够被推荐。通常，在平台用户的初期使用阶段，此种获取方式最为主要，这种相对简单的算法推荐原则对于用户具体兴趣的判断是相对模糊的，更多的是相似特征人群的兴趣集合判断。可以说，不断扩大的用户数量和使用行为为这类基础算法提供了数据源，通过海量数据的

收集与分析，这类算法的精准程度会不断提升。与快手等其他视频应用不同，抖音用户较为集中在城市，用户的学历和年龄差距相对较小，媒介素养也较为相似，而这也是这类基础算法较为适用的重要原因。 二、基于“去中心化”的精准推送 社交媒体最重要的原则就是“去中心化”，“把关人”的作用逐渐弱化，每个用户都是传播场域中的节点，每个节点都可以独立地生产内容，拥有一定的话语权，内容并非集中于少数的关键用户。在这种“去中心化”的精准推送中，内容和社交关系成为被抓取作为信息精准分发的主要依据。我们可以通过用户个人的视角构建如下信息获得模型。 这一类的精准算法可以分为两大类：一类是以内容兴趣点为筛选维度的推荐，这个维度下，现实社交环境中的联系较弱，甚至没有联系；另一类是以社交强联系为筛选维度的推荐，在通讯录中的好友、同学都会成为推荐所抓取的对象。重合部分往往会获得较多的推荐。 内容维度可以理解为以相同的职业、爱好、话题组成的相近兴趣的集合。平台基于用户使用行为的习惯，诸如点赞、评论、转发等行为，通过数据驱动的方式挖掘用户的兴趣点，从而在下一轮的视频推荐中合理选择，进一步取悦用户，增加黏度。 社交关系维度可以理解为以现实的社交关系为连接的集合。这类关系基于社交关系的联系程度从而变得更强。每个人的社交圈都随着移动互联技术的进步而不断扩大，但是，用户本身和现实社交中好友或同学的关注点相似性不高。正是基于这种算法推荐，用户在抖音的使用过程中通常会看到通讯录好友发布的内容，因为平台通过算法也优先推荐强关系的好友发布的内容。这反映出短视频平

抖音上热门算法及详细优化方法

抖音系统运营心法，经验总结。 在抖音，内容是涨粉最快的方式。 在抖音，你越缺什么，就会越关注什么，用户也是如此。 抖音没有你想的那么难，一台手机就够了。 人无我有，人有我优，人优我精，你要深深体悟。 抖音内容同质化越来越严重，做为创作者，要想办法避开。 同一个内容，不同的展现形式，结果是不一样的。 敢于做第一个吃螃蟹的人，大胆的玩，大胆的尝试。 玩抖音，一定要按照自己的感觉走，感觉找到了，抖音很好玩。 养成随时记录数据的习惯，抖音的数据值得我们记录的，图文、视频全用上。 不要一上来就打广告，多贡献价值，价值多了，卖货自然就多、引流效果自然就好。 抖音养号，千万不要当任务，而是用真心去玩。 一个抖音号只做一个小领域就够了，什么都做，什么都做不好。 违规的抖音号是可以恢复的，千万不要把违规的抖音号自己就给废了，尤其已经有几万粉丝以上的抖音号。 搬运不是不长久，而是技术门槛、搬运成本会越来越高。 如果你刚刚玩抖音，直接从原创开始，哪怕作品拍的很垃圾，都要硬着头皮来，总要有这个过程。

玩抖音，用手机拍视频、用手机制作视频就可以了，达到目的即可。能认证企业号就用企业号玩，不能认证就用个人号，一样可以玩起来。关注同行是我们的秘密武器，因为我们所有的秘密都在同行这里，但请不要自以为是，按照自己的老一套观念来玩，该学习学习，基本功还是要有的，要不把同行放到你面前，你都不知道该做什么。 抖音内容是围绕着我们的赚钱方式设计的，是赚钱方式决定了我们该做什么样的内容、该做什么样的定位。 玩抖音，多在作品上下功夫，其他都是辅助。 粉丝不值钱，精准粉丝才值钱，不要为了涨粉而涨粉。 玩抖音，做真人视频还是非真人视频都可以，都可以玩起来，适合真人就用真人，不适合真人就用软件制作，完全靠软件实现。 学会用内容培养粉丝、用不打广告的方式去卖货，这是长久之计。 你关注同行，同行也会关注你，你想到了，同行也会想到，看谁下手快。什么样的内容，吸引什么样的粉丝，你要什么样的客户，就用什么样的内容去吸引。 更多抖音运营技巧百度搜，李君羊，发布作品之前，要检查你的内容、检查关键词是否有违规，不要因为一个关键词毁了整个作品，要么被删除，要么被降权推荐……

抖音算法,百万粉丝的背后逻辑

抖音算法揭秘，百万粉丝的背后逻辑 塘哥 抖音如何让上热门？ 百度有百度的算法、微信有微信的算法、头条也头条的算法，算法是任何平台必不可少的机制，今天就来分享一下抖音的算法机制。 一、科普 算法是什么？ 简单通俗的讲，算法就是一套评判机制。这套机制对平台的所有用户都有效，无论是内容生产者（拍视频的人）或内容消费者（看视频的人），很多时候我们既是生产者也是消费者。 我们在平台上的每一个动作都像是一个清晰的指令，平台根据这些指令来判断我们的性质。并将我们分为优质用户、沉默用户、流失用户、可挽回用户等；

除此之外，它还会判断我们是否为营销号，有没有违规操作。如果是平台就会将我们的账号关进小黑屋；相反如果判断出我们是一个优质的用户，平台就会给予我们一定扶持。 算法有什么用？ 算法对于平台最大的用处是管理自己平台上的用户数据，并且根据用户的一系列反馈行为来改进平台功能，提高用户体验从而使平台吸引更多用户、留住更多用户，最终使平台形成一个可循环的良性生态。 算法有什么好处？ 算法对内容生产者的好处： 我们既然想在别人的地盘为自己吸粉，就一定要明白别人的规则。就像追一个女孩子你得明白女孩子的喜恶，才有机会见缝插针地进入她的心。更何况，读懂平台比读懂女孩子容易的多！只要我们意识到平台的推荐机制，我们便可以有意识的设计自己的行为，引导平台判定我们是优质用户从而分配给我们更多、更精准的流与更高的权限。 算法对内容消费者的好处： 大家刷淘宝、抖音或者头条刷的某一类内容多了，下次再打开APP时是否觉得很多推荐的内容都是自己比较喜欢比较有兴趣看的？其实平台为了提升用户体验为了留住你。它会根据你的行为来分析你的兴趣，然后给你打上一个标签再将同类标签的内容生产者的内容推荐给你，你们便是一个池子里的人。

抖音短视频哪些内容更容易上热门

抖音怎么让更多人看到咱们的作品，就得知道粉丝是怎么关注抖音账号的一个流程，那么，如何通过用户关注主播的流程，找到上热门，涨粉的发力点。 我们运营抖音，从哪里入手，哪些才是最关键环节，如果只是听说，其实是没有任何感觉，刚开始接触抖音，很多细节还不是很清楚，只是听别人说什么重要，就认为什么重要，说实话，这样很难运营好抖音。 因为，没有真正理解背后的原理，心里难免不服，而且运营到一半的时候，很容易打退堂鼓。 也不知道，这么干对自己有什么好处，到底什么时候才算是个头，迷茫纠结中，总感觉这和自己要达到的目的，还很遥远。 那我们就从用户（粉丝）“打开抖音APP那一刻开始，他们是如何关注主播的”，我们就把这个过，程详细的给大家梳理一下。 这也是大部分用户（粉丝），关注主播的一个流程，只是大家平时作为用户（粉丝），没有意识到这一点而已。 这个过程对于普通的用户（粉丝）而言，其实也没什么信息，每天都在重复这样的动作。

但是，作为商家的我们，就要从抖音平台获得新客户，那就必须要了解“粉丝关注主播”的整个流程。 以便运营抖音的时候，能够锁定这些关键环节，尽可能的多涨粉、快涨粉。 只要咱们有粉丝，怎么都能把货卖出去，怎么都能变现，但是没有粉丝，产品再好，成交能力再厉害，也会束手无策。 为了方便各位抖音们理解，我们画了个流程图，接下来给大家描述下这个过程：

我们看抖音的时候，都是打开抖音APP，打开之后，抖音会自动给我们推荐作品（首页热门作品），我们就开始看第一个作品，接着下滑到另外一个作品。 看的过程中，如果这个作品不错，就会停下来观看，看完之后，觉得作品不错，这时候不一定会立刻点击关注。 可能会点击下右侧头像，或者左下角的昵称，进入到这个主播的抖音个人主页，去看他是做什么的，大概浏览下他个人主页的作品。 如果感觉这个账号不错，里面的作品对自己有帮助，基本上就会关注一下如果看完之后感觉没什么东西，就会返回到首页去看其他的作品，大概就是这样的一个流程。 我们举个例子，假设用户正在看的这个作品是讲育儿，到主页一看，都是一些生活作品、唱歌作品的作品，不是和育儿相关的，换你什么感觉，不专业吧。 什么都做，精力会被分散，很难把一件事情做好，这就是账号给粉丝第一印象，这时候粉丝就不会关注。 哪怕粉丝，刚才看的这个作品非常优秀，当前这个账号内的大部分作品，自己不喜欢，就不会给点关注，顶多给这个作品点个赞，或者收藏下。

抖音上热门算法及详细优化方法

抖音让每个人都有机会爆红，可为什么别人玩抖音，就能轻松获得10w+点赞，而你怒拍几十上百就是不热门。 抖音的游戏规则是什么，推荐算法怎样的！ 那么这就必须了解算法背后的逻辑：流量池，叠加推荐，热度加权及用户心理追求。 我们只需要知晓抖音的推荐算法，然后我们围绕着算法制作优质的15秒视频内容即可，不断的去优化15秒内容即可，流量会越来越大。在讲解抖音推荐算法之前，先说说抖音推荐算法的好处，明白了好处，你就清楚抖音15秒内容应该朝着哪些方向去制作。 在抖音平台，哪怕你没有任何名气，没有一个粉丝，完全零流量，也可以在很短的时间内打造出一个100万精准粉丝的大号。 只要你做出了视频，抖音平台都会自动分配精准流量给你，为我们带来大量的曝光度，收割大量的粉丝和关注度。 抖音推荐算法的好处： ①让每一个有能力做出优质视频的抖音创作者，得到了跟百万粉丝、千万粉丝大号公平竞争的机会，不会因为你刚来，就遏制你。 ②遏制了垃圾视频的发展（搬运+用户不喜欢的），要么限流，要么直接干掉。

③放任优质视频的传播（原创+用户喜欢），尤其是垂直定位的抖音号更受用户欢迎，受到平台的优待。 ④帮助真正想玩抖音的人优化视频，获得更大的曝光量，想办法帮助优质作者涨粉、赚钱，各种福利政策奖励给抖音作者。 那抖音是如何推荐作品的，也就是我们作品上热门的原理是什么，这里给大家讲解一下： ①流量池 ②层层推 ③时间性 这个是我自己总结的经验，后面会随着我们的实战测试，不断的总结抖音推荐算法，到时候我们都会写出文章、做出视频。 ①流量池 不知道我们玩过抖音的朋友发现没，刚刚发布的作品都会有那么几百个播放量，这个是抖音自动为我们的作品分配的流量，所以不管你发布作品的好坏，只要不违规，通过了，多少都会有人观看（播放量），这个我们就叫做流量池。 要想让我们的流量池的流量越来越大，说白了，核心就是15秒抖音内容，这个我们在后面单独一篇文章为大家讲解抖音15秒内容运营。

推荐-抖音上热门的6大规律-抖音创作者必备

抖音上热门的六大规律 抖音，相信大家都知道。 抖音的涨粉方式相当的纯粹，发视频用内容来吸引用户即可。任这个过程中，最为效率的便是抖音平台自身给予的流疑推荐，也就是我们常说的上热门。 但抖音毕竟是今日头条旗下的一款产品，对于推荐流量的给予，在今日头条上有着智能推荐机制，多多少 少都是有一些规律可循的。同样的想要快速获得粉丝让自己的视频上推荐上热门，实际上也有着一些通用 的规律。 今天给大家分享的是抖音上热门的六大规律！ 1.“前5规律” 在今天分享的内容里，我们主要定位在抖音号交易项目中，因此所有的规律对于新号来说都是同样适用，并且一个抖音号想要获得更高的权重，那么一定要注意“前5规律”。 根据抖音的算法规则，所有新账号的前5个视频作品是决泄一个帐号初始权重的关键，这5个视频获得的用户反馈数据越高，初始权重也就越髙。 并且，新帐号发布的视频更容易受到系统的青睐，相较于老号来说更容易获得推荐。所以对于新账号来说，你初期发布的视频一左要进行加倍的重视，在内容题材以及质量上都应当进行严格的把关。 2.“1, 5000, IOO W 对于长期操作抖音号交易并且有一左帐号运营以及上热门经验的人来说，当一个视频发布之后，只需要1小时的时间便能大致知道这个视频能否上热门。 这里用到的就是“1, 5000, 100”这串数字标准，即在新视频发布的1小时内，视频播放量达到5000,并且点赞数量高于100,那么这个视频上热门基本就八九不离十了。

&品价Ig 胡1M3發佚BWS丝关注hoo个 m≡β??e^?4Aii: 5OOΦ /得音題檢决BvS丝关祥i 1000个 ∕MSfi^c??IaX^a: IOooO个 TaBQQ g≡rttβwati 主注? Ioo÷ 刃4會砂Sl豹険2 SO个 I冲m抄矽S丝关崔JOOG个 m??a?ttxft: IOoOC^ metta?6ibo∞Λ HMMH申音作皿迅5ooo次 IRCJeO.??21r Λ4WFaM?i 10030^ 刊冷32??空”靖作?≡tt∣10∞0C? 需陽彳^S≡∣ιcm U境m≡作品跑叱 第益…；哪用S押论打叱 ?∣??gy ■ ?34 T ?^≡?^??MG,A 9 *≡■[ 可能有的朋友会说，那我可不可以在新视频发布后自己购买一定的用户数据，使这个视频在人为干涉的情况下达到这个“1,5000,100”的标准呢？算下来一个热门视频的成本仅需1.5 兀O 事实上这样的操作是不行的，因为今日头条中的智能推荐机制在这个环节是同样存在的。 这里举个例子，当你的一个新视频发布后，平台会根据你当前帐号的权重给予你一左的初始推荐流疑，所以这就是为什么在一开始我们会先给大家强调前5个视频所影响的初始权重为什么这么关键。 假设这个初始推荐流量为500,平台则会让你的视频出现在500个与你的视频类型相匹配的用户而前，一般是出现在“推荐”中。然后平台会根据这500个用户的行为反馈来决世是否给予你后续的流量推荐。 如果500个用户中，有400个完整的看完了你的视频，那么你很有可能会获得后续更多的流量推荐。反之则会停止推荐，这也是为什么很多视频在播放量涨到一左数字后就停滞的原因。 所以人为地制造用户数据不会给你的视频在上热门时带来任何助力。 3.放弃帐号 也有很多朋友在多次发布视频后都没有取得一个较好的用户数据反馈，那么很有可能是因为前5个视频的质量过低，甚至是岀现了违规操作。例如虚假的播放量、带有广告的营销信息、其他平台的水印、频繁搬运、涉及敏感话题等等。 这些情况下你的帐号权重将被降到最低点，具体的表现为发布的视频播放量一直上不去，而且视频的审核时间很长。 如果出现了以上的现象，那么建议你早些放弃这个帐号，不要再投入过多的精力，因为这样的帐号已经没有价值了。 在抖音号交易圈里，有一些人分享过“权重补救方法”，这些方法我都用低权重帐号一一试验过，发现并没有太大的作用。当然这也有可能是因人而异的，如果大家想要尝试也可以自行操作。 ①严格1机1号，不要使用模拟器 ②降权期内只发布原创视频，并且使用抖音APP拍摄，不要使用视频上传功能

抖音算法揭秘,百万粉丝的背后逻辑

抖音算法揭秘，百万粉丝的背后逻辑 百度有百度的算法、微信有微信的算法、头条也头条的算法，算法是任何平台必不可少的机制，今天就来分享一下抖音的算法机制。 一、科普 算法是什么？ 简单通俗的讲，算法就是一套评判机制。这套机制对平台的所有用户都有效，无论是内容生产者（拍视频的人）或内容消费者（看视频的人），很多时候我们既是生产者也是消费者。 我们在平台上的每一个动作都像是一个清晰的指令，平台根据这些指令来判断我们的性质。并将我们分为优质用户、沉默用户、流失用户、可挽回用户等； 除此之外，它还会判断我们是否为营销号，有没有违规操作。如果是平台就会将我们的账号关进小黑屋；相反如果判断出我们是一个优质的用户，平台就会给予我们一定扶持。 算法有什么用？ 算法对于平台最大的用处是管理自己平台上的用户数据，并且根据用户的一系列反馈行为来改进平台功能，提高用户体验从而使平台吸引更多用户、留住更多用户，最终使平台形成一个可循环的良性生态。 算法有什么好处？ 算法对内容生产者的好处： 我们既然想在别人的地盘为自己吸粉，就一定要明白别人的规则。就像追一个女孩子你得明白女孩子的喜恶，才有机会见缝插针地进入她的心。更何况，读懂平台比读懂女孩子容易的多！只要我们意识到平台的推荐机制，我们便可以有意识的设计自己的行为，引导平台判定我们是优质用户从而分配给我们更多、更精准的流与更高的权限。 算法对内容消费者的好处： 大家刷淘宝、抖音或者头条刷的某一类内容多了，下次再打开APP时是否觉得很多推荐的内容都是自己比较喜欢比较有兴趣看的？其实平台为了提升用户体验为了留住你。它会根据你的行为来分析你的兴趣，然后给你打上一个标签再将同类标签的内容生产者的内容推荐给你，你们便是一个池子里的人。 总之，推荐算法会为我们匹配到我们想要的东西。为内容生产者匹配到精准的用户，为内容消费者匹配到感兴趣的内容。

抖音推荐机制解析大全

抖音推荐机制解析大全 抖音不多说了，火的很。 2017年9月，抖音成功超越快手，成为ios摄影与录像分榜下载量第一的APP，并且到今日还一直领先。 想要玩转平台，首先就得了解平台的规则，今天给大家详细分享一下抖音的推荐机制。叶子总结了以下六点： 1、循环去中心化、流量池原则、智能分发 2、叠加推荐 3、时间效应 4、抖音引流6大核心 5、帐号权重算法 6、把控发布时间 一、去中心化机制、流量池规则、智能分发 抖音给每一个作品都提供了一个流量池，无论你是不是大号、作品质量如何。你之后的传播效果，就取决于你的作品在这个流量池里的表现。 而新视频流量分发以附近和关注为主，再配合用户标签和内容标签智能分发，如新视频的完播率高，互动率高，这个视频才有机会持续加持流量。 这也正是0粉也能1夜10w＋，一夜爆红的原因，因此抖音的去中心化算法让人“雨露均沾”，这波红利给人人以机会，天天有看点！ 因此，在明白了这一点之后，我们应该想办法让我们的作品在这个流量池中有突出的表现。 抖音评价你在流量池中的表现，会参照4 个标准：①点赞量②评论量③转发量④完播率

知道了这4 个标准，我们就要在一开始视频发出来的时候，想办法发动所有的你能发动的力量去点赞、评论、转发、把它播放完。 二、叠加推荐 所谓叠加推荐，是指新视频都会智能分发100vv左右的播放量，如转发量达10（举例），算法就会判断为受欢迎的内容，自动为内容加权，叠加推荐给你1000vv，转发量达100（举例），算法持续叠加推荐到10000vv，转发量达1000（举例）,再叠加推荐到10wvv，依次累推…所以那些一夜几百万播放量的抖音主也矇逼，不知道发生了神马，实则是大数据算法的加权。 叠加推荐当然是以内容的综合权重作评估标准，综合权重的关键指标有：完播率，点赞量，评论量，转发量，且每个梯级的权重各有差异，当达到了一定量级，则以大数据算法和人工运营相结合的机制。 三、时间效应规则 我们发现，有些视频拍出来之后没火，过几天、过一个星期，甚至过了个把月之后，这个视频却突然火了。所以这个推荐算法其实还是很有意思，它会“挖坟”，带火一些优质的老视频。 所以你比较看好的一些视频，即使它一开始没火，你也要持续去给它去做一些点赞评论，通过朋友圈去转发一下。他有可能这个星期没有被推荐，但下个星期有可能就会被推荐。 四、抖音引流6大核心 重点1：视频的时间需要超过7S（秒）。 重点2：尽量作品以竖屏为先，横屏尽量少发。 重点3：上传视频时，建议选择分类，并加上相符标签。 重点4：一定不能植入硬广； 重点5：一定不能让视频出现有水印、画质模糊等问题。 重点6、一定不能有不良的操作，比如说出现武器、出现一些不该出现的镜头和画面； 五、抖音帐号权重算法