抖音推荐机制与算法探讨

通过数据的分析，我们发现在传播效果方面，抖音>小红书>微信朋友圈>新浪微博。究其原因是内容分发的逻辑存在非常大的差异。

微信朋友圈、新浪微博：订阅模式，用户仅能看到好友或关注者的信息
抖音、小红书：非订阅模式，用户可以看到个除关注用户以外的其他内容

微信虽然可以通过转发传播，但是在转发意愿度层面会消弱传播效果。朋友圈转发困难度较大，很难进行二次传播。而非订阅模式的抖音模式通过算法机制，可以将内容一次次的推送给潜在感兴趣用户，致使内容可以大面积的广泛传播。

从创作者角度：只需内容足够“优秀”，就能获得很好的分发机会
从普通用户角度：无需寻找信息源也能获取“优质”的内容

关于抖音的分发推荐机制参考字节跳动旗下的“中视频平台”西瓜视频的推荐机制介绍。

西瓜视频的推荐机制

要了解推荐机制，首先我们要了解观众。每个观众的观看兴趣都是大不相同的，个性化推荐机制要做的事情就是让每位用户看到可能感兴趣的内容。这种精准推荐，是建立在机器对每位用户都有充分认知的前提下的。在机器中，每位用户实际是由大量数据构成的，用户的观看兴趣就藏在这些数据中。不同数据对用户兴趣计算所占权重不同，数据包括：

性别、年龄、所处城市；
关注的帐号、常浏览的频道、关注的话题；
观看过的视频分类和关键词；
相似类型的其他用户还喜欢观看的其他视频类型；
….

推荐系统的本质，就是从一个海量的内容池里，为观众匹配出少量感兴趣内容。为了给用户提供他们喜欢的内容，或者理解用户的需求，平台有很多角度可以去刻画一个用户的画像，比如，年龄、性别、历史浏览的文章、环境特征等；同时，利用先进的AI技术对内容进行分门别类。紧接着，推荐机制就像一座“桥梁”，连接观众和内容，将内容源源不断地推送到感兴趣的用户面前。这座“桥梁”有两个特点：

兴趣匹配：观众的观看类型与内容分类重合度最高，被系统认定最可能对该内容感兴趣。
分批次推荐：首先会被推荐给一批对其最可能感兴趣的观众，这批观众产生的数据，将对内容下一次的推荐起到重要作用。

视频的首次推荐，如果点击率低，转评赞不高，系统认为视频不适合推荐给更多的用户，会减少二次推荐的推荐量；如果点击率等数据高，系统则认为视频受用户喜欢，将进一步增加推荐量。以此类推，视频新一次的推荐量都以上一次推荐的点击率等数据为依据。例如，一个视频首次推荐给了1000个用户，如果这批用户的点击率、完播率等较高，系统判定用户非常喜欢这篇视频，将其扩大推荐给10000个用户，如果这轮推荐用户的点击率、完播率等仍然维持在较高水平，那么系统会将视频再次扩大推荐给30000个用户、50000个用户、100000个用户……推荐量和播放量便如滚雪球一般节节攀升。因为这种扩大推荐的机制，创作人想获得更多的播放量，就必须努力把各维度阅读数据（点击率、用户播放时长、收藏数、评论数、转发数等）维持在高位水平。这就要求视频：

标题和封面图具有足够的吸引力、表意清晰，提高点击率；
视频内容优质，剪辑解说俱佳，提高用户播放时长和播放完成度；
内容详实，给观众干货般的充实感，提高收藏数和用户播放时长；
观点鲜明，引发观众讨论，增加评论数和转发数。

其中，至关重要的当然是点击率，完播率，转评赞等，也因此，标题和封面图的重要性便不言而喻。这也是今天注意力稀缺时代，播放获得好的传播的关键要素。有吸引力的标题能带来更多点击，但这不意味创作人要成为惯用夸张标题的标题党。恰恰相反，标题党反而会被平台通过技术手段识别和打压，限制推荐量。除了标题夸张，用户举报密集、负面评论过多都是限制播放推荐量的因素。归根结底，一个作品能否获得更多推荐最终取决于内容质量，好的内容才能带来流量的长效增长。

从西瓜视频到抖音短视频

关于抖音的分发机制完善流传着这样一份的流程图，整体流程和上面的西瓜视频的介绍的推荐逻辑类似。后续我们就根据下面的流程进行深入的研究与分析。

检测机制

在抖音，每天有数量庞大的新作品上传，需要对一些内容进行过滤，从目前公布的内容看，检测主要集中在：

去重检测：抽帧检查视频是否存在搬运、抄袭问题
违禁检测：字幕、标题中是否涵盖违禁词汇，有无裸露
版权检测：音乐版权是否侵权，大陆有无版权问题

如果纯靠机器可能存在一些误判，人工一一确认又不太现实。所以采用机器检测和人工检测的结合。

机器审核：一般是通过提前设置好的人工智能模型来识别你的视频画面和关键词，它主要有两个关键作用：

审核作品、文案中是否存在违规行为，如果疑似存在，就会被机器拦截，通过飘黄、标红等提示人工注意；
通过抽取视频中的画面、关键帧，与抖音大数据库中已存在的海量作品进行匹配消重，内容重复的作品进行低流量推荐，或者降权推荐（仅粉丝可见、仅自己可见）。
有没有出现广告、有没有带水印或者LOGO、内容是否裸露、不雅、血腥等

人工审核：主要集中在3块：视频标题、封面截图和视频关键帧。

针对机器审核筛选出疑似违规作品，以及容易出现违规领域的作品，抖音审核人员进行逐个审核。
如果确定违规，将根据违规账号进行删除视频、降权通告、封禁账号等处罚。

通过检测是迈向内容分发的第一步，如果第一步没通过则相当于被关进了小黑屋。违规检测相对来说比较容易规避。版权检测，特别是音乐版权有时不清楚自己使用的音乐是否合规，保守方案是使用抖音上目前热门视频所使用的音乐。去重检测其实是一个很容易误触的机制，特别是一些模仿性质的内容，可采取的方案是更换不同的背景、角度、服装等。录屏性质的视频非常的特别特别容易触发去重检测，取而代之的是摄屏的方式，摄屏是可以采取不同的背景和角度，但需要注意的是保证摄屏时的清晰度。

赛马机制

抖音的算法其实是一个赛马机制。简单的说就是先将视频推荐给小部分人群，收集这部分数据的表现情况，再将表现好的视频分发到更大的范围。

所以抖音流量的增长方式并不是线性的，增长曲线更多类似：

从目前了解的资料看，抖音的赛马机制总共有三种方式：

初级分发：通过机制确认无违规后由附近的人/关注/好友/标签组成的初级分发流量池
- 通讯录好友：提取你的手机电话通信录中的手机号码，将电话号码上传到抖音服务器，匹配好友。
- 共同联系人：类似QQ共同联系人推荐，抖音也会使用共同联系人进行关系绑定
- 以前还有通过抓取微信好友关系链的，后来好像被腾讯告了
多级推荐：根据初级流量回馈评分达到算法设定的分值进入下一级流量池推送
热门推荐：根据热门推荐算法结合先前流量回馈评分选取优秀视频进行人工审核，做精热门推荐，审核的范围可能包括
- 搬运、非原创视频：含有其他平台水印、视频ID与上传ID不符、明显盗录内容
- 低质量视频：内容物故事性、完整度差、视线模糊
- 广告营销：明显的广告营销类型信息
- 隐性风险：出现标题党、危险动作、令人不适元素等高危内容
- 未授权明星/影视赛事类视频：视频内容侵权

以下是网友通过数据的整理的大致抖音流量池分级情况：

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

流量触顶

抖音作品经过双重审核、初始推荐、叠加推荐层层引爆之后，通常会给账号带来大量的曝光、互动和粉丝。而这种高推荐曝光的时间，一般不会超过一周。之后，爆款视频乃至整个账号会迅速冷却下来，甚至后续之后发布的一些作品也很难有较高的推荐量。主要原因：

抖音每天的日活是有限的，也就是说总的推荐量是基本固定的，需要把机会尽可能的给到更的创作者
与你内容相关标签的人群基本完成推荐，其他非精准标签人群反馈效果差，所以停止推荐
抖音也不希望某个账号仅通过一个视频就大火，而是期望你能持续不断的输出优质内容

考核机制

短视频想要进入下级流量必须满足一定的指标要求，并且由于流量池越开越大，响应的匹配精度越低，平台想要控制整体内容的满意度，对于指标的要求也会越来越高。抖音推荐算法中的赛马机制主要看中的视频指标由以下部分组成：

账号分值：
- 完成度：头像、昵称、签名、性别、其他资料
- 健康度：内容质量、话题专业度（历史视频表现？）
- 认证：是否达人认证
视频分值：通过算法加权？
- 完播率
- 点赞率
- 评论率
- 分享率
- 转粉率

如何评级视频质量的好、中、差？

完播率：尽量控制15-40秒，太短抖音嫌弃，太长用户耐心不够划走。选择优秀的歌曲可能保证完播率（用户想把歌听完）
- 0-10%——较低
- 10%-30%—— 一般
- 30%以上——较好
作品平均播放时长：前3秒是关键！抓人眼球，多留悬念、反转、梗。让粉丝带着期待坚持看完。
- 3秒以下——较低
- 3-7秒—— 一般
- 7-15秒——较好
- 15秒以上——很好
互动率：开头和结尾的设计很关键，打造独特的”记忆点”，可以引导粉丝点赞留言。
- 点赞率：5%以上
- 评论率：1%以上
- 转发率：5%以上
吸粉率：有趣又有用的内容，是吸粉关键。
- 1%以上

什么样的视频有爆款潜质？

通过数据统计得到的结论：

完播率：30%以上
点赞率：10%以上
评论率：5%以上
分享率：1%以上

所以，一个作品发出后，基本前面一两个小时，或者30分钟左右，就能预测到是否会火了。如果1小时之内，播放量突破5000，而点赞量能大于100，评论数大于10，那么，得到系统推荐的机率就大很多了，基本上离热门也不远了。