群星抖友会短视频短视频的推荐机制算法是怎样的

      短视频上热门技巧VX：513886101
      短视频如此火爆，背后的功臣肯定少不了算法。短视频的算法是极具魅力的。这个魅力在于，短视频的流量分配是去中心化的。在公众号上，如果你没有粉丝的话，你发的内容就不会有人看。但是短视频就不一样，所有的短视频的用户，你拍的任何一个视频，无论质量好还是质量坏，发布了之后一定会有播放量，从几十到上千都有可能。这个我们把它叫做流量池，短视频会根据算法给每一个作品的人分配一个流量池。之后，短视频根据你在这个流量池里的表现，决定是把你的作品推送给更多人，还是就此打住停止推荐。因此，短视频的算法让每一个有能力产出优质内容的人，得到了跟大号大咖公平竞争的机会。
      一、该如何利用好短视频的算法呢？
      （一）利用好流量池。
      如前所述，短视频给每一个作品都提供了一个流量池，比如：10-500播放量，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。因此，我们要珍惜这个流量池，想办法让我们的作品在这个流量池中有突出的表现，只有让你的作品突破基础流量池，达到更大的推荐流量，你的作品就能火起来。
      打个比方，形象化解说流量池：
      你的作品“火爆了，上热门”，比喻你站在楼上“看的更远，看的更广阔”。任何人的作品发出去后，都是基础流量，就好比任何人要上楼必须从一楼开始。
      作品质量：好的作品 比喻 坐电梯，差的作品 比喻 走路上楼
      热门程度：楼层越高，看的越远，看的越广阔，视线范围大，楼层越低，则反之，只能看到眼前。你的作品越好，推荐的流量池就更高，假设基础流量池只有500个网友能看到你的视频，当你突破了基础流量池，那么你就达到了1000个人可以看到你的作品，接下来，根据这1000人的反馈，再次给你分配流量池，效果好，继续推荐10000个人看，然后根据反馈，再次推荐，如果效果不好，推荐就停止，你这作品就没播放量了。流量池就好比楼层数量，作品好给你更高的楼层，作品差，就低楼层，或者停止推荐，让你出于基础流量池，一般情况下，发完作品5个小时内决定了你的作品是否会提高到更大的流量池。当然，还有一种现象叫做挖坟，你前期作品效果不错，但是当时没推荐，过了十几天后，开始推荐，会火起来。
      短视频评价你在流量池中的表现，会参照 4 个标准：
      1、点赞量：你的作品，小红心越多，流量就会越大，不允许刷，只靠自然流量过来的点赞，因为这样计算的才是系统识别的参数。
      2、评论量：网友评论的字数长短，内容是否积极向上，评论之间的互动，评论点赞数量，内容的相关性，作者对评论者的互动等都是一个流量因素。
      3、转发量：代表你的作品有价值，有意义，网友愿意分享，说明这个作品质量比较好，就再次给推荐流量。
      4、完播率：视频前3秒，决定视频是否会继续看。这符合观看短视频的习惯，一般看到眼，好看，继续，不好看划走。前3秒，如何布局，就涉及到视频的制作技术，内容比较多，可以私聊，维新：513886101。因此，视频控制在5分钟内，新1分钟内。当然，好作品，时间长除外。毕竟好作品，是少数。
      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聪明才智，网友对你的作品去点赞、评论、转发、播放率100%。
      （二）叠加推荐，俗话说“挖坟”。
      我们自己能发动的力量毕竟有限，因此，当作品被推广到更大的流量池范围以后，就不是我们能人工干预的了。这时，我们该如何提升关键的 4 个指标呢？详细的做法我会在后面提到，这里先简单说一点，启发一下你的思路。比如说，既然评论量很重要，那你在写视频的标题文案时，是不是应该考虑设置一些互动问题，引导用户留言评论呢？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。它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。
    （三）不对用户做任何假设。
      关于短视频首页的推荐算法，也就是用户喜好推荐，从内容逻辑来观察，短视频推荐算法大程度保留了新鲜度，短视频首页采用的是基于用户行为的推荐。 一种推荐方法是基于视频和文本内容提取特征，并与用户画像特征计算相似度，相似度越高，推荐概率越大。这种推荐的方法弊端是推荐内容缺乏新鲜度，用户点击看长腿美女，于是大概后面的内容也是长腿美女。 另外一种推荐方法是纯粹基于用户行为数据。这种方法不对用户偏好做任何假设，不对内容文本做特征提取。从个人经验来谈，特征工程是双面利器，实际情况是，特征工程常常无法挖掘出内容（视频、音频、文本）潜在意图和特性。从信息熵增原理来理解，世界的不确定性总是朝增大的方向发展。特征提取会把人为的主观偏见引入模型。假设是不做任何假设。那么如何基于用户行为数据，如何建立一个基于事件网络结构的推荐算法模型？给用户的推荐路径可以理解为基于事件网络的随机游走。
      （四）隐秘的上瘾机制。
      作为一个爆红的娱乐性产品，上瘾的设计是必不可少的。过年有段时间在家，一有空闲时间便手残般的刷短视频的首屏推荐。首先谈谈烟瘾形成的原理，烟中包含的尼古丁可以让大脑分泌一种叫“多巴胺”的物质，让大脑产生愉悦感。但尼古丁来的快去的也快，为了找到消失的快感，大多数人会再点上一支烟，重新获得快感。就在不断的吸烟->获得愉悦感->愉悦感消失->继续吸烟循环中，成瘾性依赖。任何让你上瘾的产品也是一样的原理，在不断的刷中，获得短暂的愉悦感，为了找回愉悦感，继续不断的刷。所有游戏的机制设计，都有奖励成就带来的爽快感和挑战挫折的不适感之间来回转变的机制，在这个过程中成瘾性依赖。与短视频类娱乐产品不同的是，游戏的心理满足感曲线通常是游戏策划通过每个关卡挑战难度、成就和激励的数值调整设计出来的。那么短视频也一样，会推荐你喜欢的视频看，让你舍不得离开。因此你在视频制作的时候，不要一次性满足用户的心理需求，让他们依赖下一个视频。
      （五）注意事项。
      一定不能植入硬广，二维码，低俗广告等； 一定不能有不良的操作，比如说出现武器等不该出现的镜头和画面； 一定不能让视频出现有水印、画质模糊等问题；一定不要刷阅读量、刷喜欢。这些不仅仅会让你的视频获得不了推荐，还有可能让你的视频被禁言、被限流甚至是被封号。
      短视频，一个拥有大批新生代用户的短视频App，从2018年初就刷屏网络成为流量火爆的视频App。随着流量的不断迭增，短视频商业化价值逐渐显现，短视频作为短视频App的排头兵，“抖”出来的营销姿势可以说开辟了媒介新纪元。
      二、什么是算法机制？为什么了解算法机制？带有算法机制下的场景变化。
      算法机制好比“植物生长规律”，你可以通过"改造种子，肥料，种植环境"等外来因素去影响他的生产结果，比如缩短生长周期，量产等。但是却改变不了他生长环节，种子→萌发→结果，环节还是一样一环不能少。那么我们学习算法机制的目的，并不是忽略作品的质量问题，去通过外力去揠苗助长。这不是我的本意，我的目的要学会做一个懂得触发机制的人去让内容符合算法。作品好比种子，植物能不能量产以及结果品质好不好取决的是种子，非肥料，非土壤。我们需要根据算法机制去调整作品细节，让作品能触发机制后快速上升大化。在这里不得不说“头条系"，就是今日头条。如今“头条系”产品已经成为自媒体用户活跃并体量庞大的巨头平台。它的特色就是“以用户为中心”，只推送你喜欢的内容，从初期适应用户需求到满足用户需求的目标，从而实现内容定制化。如果你被一个娱乐类型的文章或者视频所吸引并点击阅读，之后你的内容主页就可能被定制成了娱乐类型。而在外后的过程中机器算法，会不断细分采集并记录你的行为标签，从而让你喜欢看的内容越来越精准，可能后细化到只给你推送”某个明星“的相关或者视频。算法机制下的内容定制，等于为用户找一个“懂你的另一半”。因此，如果你关注音乐的多，就会批量推荐音乐的给你，如果你关注和点赞影视的多，看的时间长，那么就推荐影视的给你，短视频系统给你的短视频设置了喜好标签。
      短视频算法的原型（图1）

      上图就是整个算法机制的样子，其实真正的原型远远不止这些，仅仅只是把前端的原型画了出来，而我们了解这些就已经足够了。整个流程总共分三部分：给内容贴标签，给人物贴标，按照标签智能个性化推送。
      、给内容贴标签。那么头条系的内容标签库会如何打呢？内容类目。下图（图2、图3）为2015年今日头条透露出来的一份数据报告，表达是男性与女性关心的主要内容类目。
      第二、基因算法。这个标签类目算是头条系的母类目，那么作为头条系的“孩子“短视频，必然遗传了头条系“爸爸”原始基因并在细化非常多的小标签，比如娱乐，可以细化到"XX明星结婚”的标签。给人物贴标签用户画像平台会根据用户在使用App的习惯进行分析行为路径，再进行贴标签，再继续优化标签。这个过程都是实时的机器算法。那么这个采集的方法：就是个人资料的填写，关键词搜索的记录，浏览的比较多的类目视频，点赞视频数据，评论数据，通讯录的圈子关系等。通过不断的标签优化升级后，呈现出来标签用户，我们也称之为用户画像，参考下图（图4）
      第三、数据共享。先看看头条系的产品（部分热门)，图5。头条系会打通所有平台的数据库，看看你在每个平台的“偏爱标签”并记录下来。头条系为了“以用户为中心”，背后靠的是大数据支撑，智能标签推送模拟场景。比如我们用”小明“作为我们人称，尝试模拟初次遇见《今日头条》后转玩《短视频》会出现的场景（图6）。
      第四、预览顺序。当小明次玩《今日头条》后，平台算法对小明平时每个预览的内容都进行贴标签，然后得出了属于小明在《今日头条》这个平台的标签画像。当小明通过《今日头条》登录《短视频》后，数据共享会把这个头条的标签画像同步到短视频平台，并进行原平台的标签画像匹配标签视频内容，智能推荐给小明。在小明玩短视频的过程中，平台算法会多次实时统计小明有转赞评行为的其他新标签视频，后不断智能优化标签画像，终呈现出新的标签画像，优化后同时匹配新标签同类视频推送给小明，后完成了头条系的算法机制运行路径。这个过程是AI算法，会实时计算，升级，优化标签，而且永无止境，实现“用户为中心”定制化内容推送。如下图（图7）
      三、短视频的推荐机制
      上面对头条系的推荐机制整个框架有个大概的介绍，接下来介绍是关于短视频热门强相关的作品推荐机制解读。上传的作品内容皆为短视频审核员所见，具体排列顺序依照：资料完善度，认证情况，推荐基数，视频播放量，点赞数，评论数，分享数量，发布时间，@短视频小助手等进行权重计分，高得分视频排序越越靠前优先审核，且视频内容为随机分配给短视频审核员。 推荐基数，根据实际浏览人数，时长，点赞比例，评论比例等设置的一个基础值。如下图（图8）
      整个环节简化拆解为几个步骤：
      ：流量分桶。先把你的视频检测标签，如果作品被机器贴上标签那么就会分桶到对应标签的流量洼地。如果标签模糊无法贴标签，那么就会零散推荐，无法进行精准推送。流量分桶是什么样子的？如下图（图9）
      第二：送量测试。这张图如果是自媒体老玩家是非常熟悉的，如果你是新手也没关系，我自绘一张“大白话”版本的流量图解。如下图（图10）
      这是头条A/B Test实验系统的基本原理：
      1.首先对上传的作品进行机器审核；
      2.为通过的视频贴上标签并申请流量推送；
      3.短视频会对实时在线用户进行流量分桶，每桶按照总用户量10%分配进行实验推送；
      4.分配的视频流量再进行分配实验组，每个实验组按照5%比例分配，并为用户贴上相近标签；
      5.把作品送量测试给实验组用户，根据用户反馈（CPA）“转 评 赞 完播率” 计算作品基数；
      6.达到通过推荐基数，继续把作品推送下一个分配实验组进行测试；
      7.通过实验组的基数测试后，作品将进入人为审核是否继续送量测试；
      短视频数据算法反馈，那么如何通过播放量自查作品进入哪个实验组？我把作品从上传到热门优质池状态这个路径划分为3个阶段，并用播放量作为对标的方法。
      第三：启动阶段。小于1000播放量，这个时候1000播放量就是你的作品的种子用户，那么这个时候作品的黄金3秒，精彩前置等手段保证初始种子用户留存从而进入下个阶段；
      第四：小爆阶段。通过多个实验组的送量测试后，作品进入高展状态，1万到10万播放量，这个时候作品影响数据的细节，包含用户引导，开发式问题留给大家去评论，激发二次沟通意愿。如果你的作品依然通过小爆炸阶段以后，你的作品将会进入到优质池状态，我称它为王者流量池，它是一个大爆炸的阶段；
      第五：大爆炸阶段。进入到这个阶段，你的作品已经进入优质池状态，已经上热门了。短视频会给你100万以上的播放量，这样子的播放量到底有多少转化为你的粉丝，就是你自己功底的一个累积的过程了。
      短视频关键数据影响、用户反馈（CPA）数据：
      1、完播率：不仅仅是视频的播放完成率，还有用户多次播放的数据，重复播放次数也会加入基数分值；
      2、点赞率：用户的点赞数量，和播放数的占比，影响推荐，点赞是源自用户对内容的认可，犒赏，收藏的表达方式；
      3、评论率：不仅包含用户评论数量，还包含用户查看评论数量，评论点赞数量；
      4、转发率：不同渠道的转发，包含是否在评论里面@好友；
      5、粉丝量：包含现有粉丝量，新增关注粉丝量及去关粉丝量，几种分值算法；
      6、进入主页：通过作品进入用户主页也有加分，预览其他作品数量及次数，还额外关系权重；
      7、查看音乐：通过作品查看音乐也会有基数，以及背景音乐是否原声；
      这里面的基数分值权重是直接影响作品权重，很多人不会分享这里面的细节。今天我大无私分享。看到上面的基数分值的方法有没有发现一个特别有趣的点？其实15秒的视频权重一般情况下会大于60秒视频的权重，也就是做新手与大号在同个起跑线的同时，新手号作品基数分值会比大号更高，因为很多60秒的作品在完播率这块就加分很少，15秒一瞬而过反而导致观众会意犹未尽重复观看，那么15秒作品=完播率+重复播放率。
      四、作品影响数据的关键点
      （一）拍摄与剪辑。
      正确指标：画面清晰流畅，匹配字幕，调色符合内容：如美食（暖色调），背景干净唯美，声音清晰悦耳；所以这里用PR软件调色和高清处理特别重要，我们有高清补60帧课程，上传短视频后达到1080P高清效果。
      错误指标：画面模糊，分辨率低（非，手机原生拍摄也是可以通过）。声音含糊不清，色调让人产生不舒服的感觉，背景杂乱，分散注意力。
      一般出现这些现象的作品，那它可能已经在人工审核环节被PASS，无法进入下个阶段的推送。
      （二）影响上热门关键因素。
      审核不通过因素。如下图（图11）
      推荐机制全过程 。如下图（图12）
      从上传→审核→识别→推荐，如果推荐数据指标高于基数分值视为正，作品将会继续推荐。如果推荐的基数反馈低于基数则为负那么将停止推荐。这就是整个推荐机制的全过程。
      （三）热度强相关的转化率。如下图（图13）
      上图表达了关于转化比强关系的要素，那么转化率直接影响的是作品热度。
      （四）让内容更贴近算法。
      上面内容对于作品的基数分值针对哪些会有关联进行介绍，那么在推荐机制中对于内容的标签关联的计算方式是怎么样的？了解内容标签匹配过程，能让我们往后对于自己的作品的用户垂直度能做到更细微的调整，让算法更好的收录自己的作品并进行多次的推荐。
      1、分类。短视频A进入推荐系统后，系统根据上传设定的分类“体验”将其放置体育分类池中；
      2、标题。关键词的抓取。系统抓取短视频A标题《姚明大动作，男篮设两队两主帅》中的关键词，“姚明”、“男篮”；
      3、用户垂直精准度，标题+封面。用户垂直精准度，标题+封面。系统匹配用户数据中标有“姚明” “男篮” 所对应“体育”“篮球”“男篮”等标签的用户，小量级试探推荐，观察用户是否感兴趣观看并有良性反馈；继而扩大量级推荐，并根据“姚明”，“男篮”关联更多关键词及标签用户，如“NBA","CBA","奥尼尔”等.......
      （五）短视频推荐逻辑的3个关键词。
      基础流量：标题，封面，分类标签，用户垂直精准度影响；
      叠加推荐：对用户垂直精致度，有没有足够了解；
      时间效应：翻红的可能性，旧的内容给到新的用户；
      五、其他老师的观点
      1、老师A的观点：精心做内容，好好搞原创，你是和100万个人在竞争。
      短视频的算法很有意思，其实是一个赛马机制。每天在短视频上也许有100万人上传短视频，短视频会随机的给每一个短视频分配一个平均的小的流量池，比如说每一个短视频平均会让他有1000次。做内容分发，很容易控制到1000次。然后从这100万个短视频的1000次里面来看，综合评价点赞、关注、评论、转发等数据，然后可能挑出来1万条，在这1万条短视频里面，每一条再平均分配10万次。在这1万条里面，再通过这10万次，再去查看哪些是点赞、关注、转发、评论高的，然后从中间再选出来100条，这100条是已经经过一轮一轮验证过的，一定是点击率极高的。这些短视频会进入推荐的池子，所有每天积累出来的精品推荐内容会变成一个越来越大的推荐池，所有的用户都会从一个推荐池里推荐。这个推荐池还有一个特点，就是它的时效性并不强，因为它不是时效性的内容，可能是一些搞怪的、风景的、帅哥美女，所以它的衰减速度其实很慢，它会导致在这个池子里面累积很多长期霸屏的内容，有一些内容都是有几百万的点赞。在短视频里面，你发布了一个视频，取得爆发式的增长，很多人去看。可是当你去做第二条视频的时候，你同样是从零开始的，同样的起点跟当天上传的其他100万条视频去竞争，没有任何连带关系。
      2、老师B的观点：我们会通过两个方面来讲解短视频视频推荐机制：叠加推荐、时间效应。
      叠加推荐：上节课中给大家讲解了流量池的概念，那么这个流量池对应的流量是如何分配的呢，我们举个中级权重的短视频号来说，当这个短视频号发布一个新的视频，这个中级流量池就会匹配200-500的流量给这个视频冷启动。如下图（图14）
      冷启动的作用就是通过小部分流量来测试视频的受欢迎程度。如果这个视频作品的数据反馈较好。那么继续推荐给下一个更大的流量池测试，层层叠加推荐。那么视频数据反馈好的标准是什么？从以往经验来看是点赞率0.3%以上，也就是1000个播放点赞达到30以上。完播率大于60%，点赞率和转发率不同视频浮动弹性较大，其中影响视频的反馈效果：完播率>点赞率>评论率>转发率>关注率。如下图（图15）
      当然，越大的流量池要求的反馈标准越高。并且到了一定推荐量级会介入人工审核，判断该视频是否有价值推荐上热门，一般播放量超过1000万就算是大热门视频了。前期的粉丝作用是非常大的，粉丝可以拉高视频的反馈效果。所以维护好粉丝，增加粉丝黏性可以帮助我们的每条视频过冷启动流量，进入下一层流量池推荐，如何维护好粉丝这个在我们今后的课程会详细讲解。
      有些学员会想着既然提高这些视频反馈数据就能有高推荐，那就通过刷流量刷评论的方式去做，这是万万不可行的。因为短视频大数据不仅结合了视频反馈指标，还有这些点赞用户评论的标签，能够识别出异常用户或标签和视频内容极度不符的行为，很容易被关小黑屋甚至封号。所以，分析推荐算法只是指明了路径，而优质的内容才是登上热门的金钥匙。我们可以通过视频内容去引起点赞评论转发，比如设置一些梗或者互动问题，但是不能直接写要求用户关注或者评论点赞，这也会导致视频降权。
      时间效应：一个视频从高推荐上热门到冷却的时间多只有一周，一周之后就看各自的转化本领了，能不能持续输出优质视频或引导卖货成交等。而有些视频刚发没有火，过段时间突然火起来，这个是短视频视频的延后引爆效应，因为通过前期的反馈积累，刚好在那一天反馈值达到进入下一个流量池的要求，就活起来了。短视频上热门技巧VX：513886101