很多人都有这样的困惑：
别人一条抖音几十万、几百万的赞，自己来拍只有几十赞，其中一半还靠朋友 。数据惨不忍睹，每天都没信心再做下去 。
为啥自己拍的抖音就火不起来呢？
算法推荐机制下，专注内容才是根本
要了解原因，首先必须得了解平台的内容推荐机制 。
这就要从算法说起 。
凡是使用算法推荐系统，本质上都是拟合一个用户对内容满意度的函数 y = F(Xi ,Xu ,Xc)，这个函数包括三个维度的变量，即用户、环境、内容 。
第一个维度：内容 。每种内容都有很多标签，什么类别、属于什么领域、播放量、评论数、转发数等，需要考虑怎样提取内容特征来推荐 。
第二个维度：用户特征 。包括兴趣、职业、年龄、性别等 。
第三个维度：环境特征 。用户在哪里，什么场合，工作还是旅游，还是地铁里 。
简单来说就是：我是谁、我在哪儿、我想看什么 。
要将这三者匹配起来，是一个很复杂的数学问题，常用的模型就有好几种 。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 。
像抖音这种数据量大、实时性强的，一般是多种模型混合使用 。
以上算法过程能否看得懂并不重要，重要的是下面的内容 。
实际情况很复杂，要考虑的因素更多 。最终，系统会根据多个因素加权计算得出一条视频的指数，然后根据指数来分步骤推荐 。
第一步是冷启动 。
视频通过审核后，系统会分配一个初始流量池，初始流量池由两部分组成 。
1、该账号的粉丝，但并不是所有粉丝都能推送，要服从算法优先原则 。
2、可能喜欢该视频的用户 。
冷启动推荐有300左右播放量 。
然后系统会根据数据来给视频加权计算，最核心的数据有4条：播放率、评论率、点赞率、完播率 。
前三个都很好理解，完播率呢？
举个简单的例子，如果你发的视频时长1分钟，有100人看了你的视频，其中只有20人看完1分钟，其他都是只看了一部分，那么完播率就是20% 。
然后做加权计算：
下次推荐量=系数*（A*完播率+B* 点赞率+C* 评论率+D* 转发率）
当然，具体的加权算法是什么，我们就不知道了，这是抖音的核心商业机密，而且这个算法也会在实际运用中不断迭代 。
但我们可以知道，权重的排序大概是完播率>点赞率>评论率>转发率 。
道理很简单，你的视频也许开头吸引了用户，也许标题吸引了用户，也许是封面吸引了用户，但这些都不能证明你的整个视频质量高，只能证明某一部分吸引人 。如果用户可以把你的视频看完，那说明你的视频真的是优质，所以把完播率的权重放在第一位也就不足为奇 。
除了这四个数据外，账号的权重也是考虑因素 。
比如你的账号和人民日报相比，那权重绝对不一样 。人民日报权重高，初始就能获得更高的推荐量 。
根据今日的算法经验来看，如果两个账号发同样的消息（文字可以抓取内容来分析），算法会优先采信权重高的账号 。但是视频应该较难遇到此情况 。
第二步，加权计算后，符合第二次推荐的要求，视频会被推荐到第二个流量池，3000左右 。
然后重复第二步的操作 。统计数据，再推荐，每一次推荐都会获得更大的流量 。如果某一次数据不达标，那就会暂时推荐 。视频的流量也就止步了 。
最终形成了倒三角推荐机制 。
推荐阅读
- 菏泽为什么被称为天下之中
- 家里为什么不能放干花，家里为什么不能放干花？
- 为什么下暴雨水库要泄洪
- 蟑螂为什么晚上出来活动
- 姜花为什么还没怎么开就谢了？
- 家里为什么不能养榕树，家里为什么不能养睡莲？
- 珊瑚花叶子打卷为什么?？
- 竹子为什么会开花，多久个会开?？
- 黄河为什么叫河
- 为什么很少人养古牧 古牧为什么是禁养犬