抖音算法推荐机制

这是一篇关于抖音算法推荐机制的思维导图，主要内容包括：推荐系统是一个多目标系统，预测模型，价值模型，大多数情况下考虑的指标，如何获得更多流量？ 答案是与推荐系统目标契合。

抖音算法推荐机制

• 推荐系统是一个多目标系统
  • 用户形为的多样性
    • 用户在观看的时候会有很多的反馈，不管是显示的还是隐式的。比如他喜欢的内容，可以点赞，也可以评论，隐式的比如是完播。每个视频播放会有一个播放时长，播放完成度。
  • 服务对象的多样性
    • 最终服务的对象是内容消费者，看他们的消费体验如何？
  • 内容消费者的目标
    • 忠诚度、满意度，短期会优化用户在抖音上的时长，长期我们会优化他们的留存。
  • 对视频创作者的目标
    • 短期我们会关注你们的投稿活跃度，我们会关注你们每个投稿的高热率。你们是否根用户建立了高价值关系，
  • 平台（张一鸣）的目标
    • 原创性、合法性
• 预测模型
  • 预估用户的行为，比如每一次用户刷抖音，刷到一个视频，他有多大概率会点赞这个视频？评论这个视频、完播这个视频，等一切行为，并应用在推荐的各个环节中。
• 价值模型
  • 会计算每个视频在每一次展现下，对应到多个目标下，它的总价值是多少？结合预测模型，计算每个人发的每一次视频，每一次推流在多个目标下的价值。从而达到价值最大化。会根据反馈的结果进行排序，从而决定怎么推，推不推。
• 大多数情况下考虑的指标
  • 在大部分情况下，我们只需要考虑，每个视频最终的衡量指标也就是用户体验的最大化。我们每个视频是否会给用户带来最好的体验？
• 如何获得更多流量？ 答案是与推荐系统目标契合
  • 两大终极衡量指标：1、用户的体验、2、平台的倡导
• 会有账号的基础流量吗？
  • 有，有基础流量池，用来测量视频。
• 如何有视频比较好，但是没有流量，可以做以下检查
  • 拿自己的视频和别人相同的视频、相似的内容去对比，看看差异到哪里了？
  • 如果自己感觉视频比较牛，但流量不及预期，可以给抖音反映，让他们帮忙排查。 抖音承认他们的算法不是完美的。
• 推荐系统是目标，预测模型、价值模型是手段。
• 播放量重要还是点赞量重要，还是点赞比重要?
  • 我们从预测模型这个角度来说，它预测的是，这个视频我看到后，有多大概率会点赞？最重要的是这个视频能不能引起读者的共鸣。跟我相似的用户，跟我相似的作者，相似的内容，我是否有点赞？点赞量本身会有一定影响。 在抖音的算法里，用户的一举一动，完全都被量化了。抖音参考的就是用户的行为。
  • 说了一句万金油似的话，用户喜欢的内容就会有流量。
  • 视频的点赞率与完播率比较影响视频推荐率。还有评论率、分享率都会有影响。