购物软件排行榜前十名最新购物软件排行榜 _云知道

一、简单背景TikTok自2018年额全球下载量超过Instagram和Facebook成为下载量第一的内容社交软件。应用市场短视频（Short-formvideo）分类中总榜第一，远超Likee和Lasso（总榜分别63和598），热度

一、简单背景TikTok自2018年额全球下载量超过Instagram和Facebook成为下载量第一的内容社交软件。
应用市场短视频（Short-form video）分类中总榜第一，远超Likee和Lasso（总榜分别63和598），热度仅次Instagram，Facebook和YouTube 。
2022年月活用户超过十亿，月人均使用时长在24小时,收入（主要为广告）接近40亿美元。
TikTok信息流内容加上其嵌入的推荐算法使‘刷’短视频成为了很多年轻人的生活方式。
二、TikTok的底层逻辑TikTok如此受欢迎和活跃用户增长速度如此快离不开其对人性的洞悉；实现这一目的其底层逻辑是TikTok的推荐算法。
从结果倒推：

用户不需要注册账户，或只需要一键绑定任何一个社交账号就可以全屏观看视频内容；
内容上，最长三分钟，平均9-15秒的视频省略了不必要的铺垫和结尾，省略了开始的铺垫直接把最精华和高潮的部分展示给用户，在观看者注意力和兴趣达到峰值的时候也是内容最精彩的部分–带来的是即时满足感和沉浸感；
在延时和即时满足之间，人们倾向选择即时满足带来的快感，在主动学习和被动接受信息之间，惰性使得大多时候人会选择后者；
不需要思考的满足感和刺激是娱乐短视频内容成功的核心；
然后就是下划到下一个视频，无法预知下一个视频内容的刺激和意外感也是对人性的迎合。

通过这种设计加上算法的嵌入带来的是爽感和刺激感的循环，用户每看一个视频，他的信息矩阵会不断更新，反哺算法强化用户的喜好；即刷得越多也就更能触达好的内容：虽然我不知道下一个视频是什么，但推荐算法大概率会推荐我感兴趣的内容，我才会更想往下刷。
这个基础上，算法和流量相互成就，带来的是流量价值和变现方式。（最直接的，广告）
三、有关产品1. TikTok 推荐算法

TikTok的推送逻辑为中心划的漏斗算法，发布在平在上的大多视频会从底层流量池获得100-1000的基础播放量，并根据用户反馈的数据判断视频质量（完播率/点赞 etc.），如果判断为高质量视频就会进入下一个流量进行叠加推送给目标用户；YouTube则是从通过DNN推荐模型（TikTok也是），从百万量级的视频库中根据用户特征，观看历史和场景筛选出少量视频，通过排序最终呈现给用户。
TikTok的流量池机制一定程度上鼓励了UGC，但对偏专业和深度内容的推荐，YouTube的中心化推荐机制一定程度上更能输出高质量的视频。
好处是更大程度契合用户偏好，即上述的底层逻辑。而坏处则是会产生信息蚕房，导致审美疲劳和内容相对单一化。
适当进行一定比例的跨域推荐可以有效打破信息蚕房：通过隐形特征挖掘共有属性进行跨域推荐。
比如在属（Attribute）层面上的相似属性：给喜欢看NBA相关视频的用户推荐CBA和国内街球篮球比赛(综艺)视频；如果跨域幅度更大可以推荐篮球教学，球鞋评测等作品；在品类（type）层面的相似属性：篮球和电子竞技都属于团队竞技体育，偏好用户重叠度较高；给偏好篮球分类的用户推荐电子竞技分类的作品；跨域推荐不同大品类的作品：比如用户在众多篮球解说视频中偏好美娜和小七等美女主播的解说，那么可以给用户推荐其他任意的美女视频。