抖音的推荐算法是怎样的？

咱们先讨论一下，抖音的推荐机制和算法，抖音的视频是系统推荐的，而推荐的标准，有五个。

1、完播率：一个视频被别人看完的概率越高，这个视频上热门的可能性越大，所以我们拍的视频一定不能太长，短视频突出的就是短，而且内容要好，让别人看完是关键，最好是7秒以上，40秒以内比较好。另外我们在文案和标题里一定加一个引导访客看完的描述，譬如，有本事看到最后，或者是最后有亮点，还有的，拍一个人起跳，蹦过小河的视频，这个人一直在晃，就是不跳，我等了好久才发现，视频就这么长，他根本没跳，结果这个视频我不知道的情况下，看了三遍了，更不用完播率了。

2、点赞率：所谓点赞率，就是，就 是别人看了视频以后点赞的概率，如果100人看，有5个点赞，这说明点赞率只有5%，所以你在做内容时，一定要强调，引导，吸引别人点赞。

3、关注率：关注率就是别人看了你的视频，就关注你了，所以你的视频需要输出有价值的内容，譬如，PS设计教程分享，小语种教学，我需要一直学习，肯定要关注 你才行，所以要提高内容的价值 ，才有更多的人关注你，光靠语言引导是不行的。

4、转发率：转发其实也是价值的体现，如果我感觉有用，我会转发给我的团队学习，或者是家人做个记录，所以内容非常关键，如果你发一条，在家带孩子也非常辛苦的一个视频，很多宝妈看到后，都会转发给自己的老公看。

5、评论率：评论率是100人看，有几个评论的，这个概率就是百分之几，如何提高评论率，就是做有争议的内容，容易引发讨论，有的甚至故意把问题说错，让别人来纠正，或者是直接性的询问。

那么有了这个五个推荐标准， 我们就可以根据这五个标准来做视频了，同时我们还要了解系统的推荐规则，一般我们把视频，首先推荐给自己的朋友和亲戚，以及朋友的朋友和亲戚的亲戚，正常的情况会达到500的播放量，如果这500的播放量，以上的五大标准都达到的，会被推荐到第大流量池，这时播放就会上万了，甚至过万了，如果五个标准 还能达到，那就是热门了。

那么为啥你的视频上不了热门呢？

1、首先是没有养号：因为号的权重是推荐的关键，如果没有养号被推荐的可能性也不高，养号的方式 ，就是只看和你一样的内容，譬如餐饮，只看餐饮方面的内容，其它内容都划过去，这样看 两三天就可以了，系统只要推荐的全是美食的内容，就说明养成功了。

2、内容没有做到统一：账号的名称和标签，以及主图，还是视频，要做到全完的统一，不能名字是服装 专卖店，内容是美食，这样是不行的，而且内容也要统一，说是美食，一直是美食，每个视频都是美食，也就是说 IP定位要准确。

3、视频内容有问题：主要表现在，视频拍得不清楚，晃动，还有声音不清楚 ， 卡点不准确，没有亮点，还有就是时间太短，或者是太长，一般在20-40秒之间最好。再一个就是触犯了有关法律的内容，或者是有负能量的内容。

以上内容，如果按要求做到，视频火的可能性就大了很多，有不明白 的也欢迎交流，如果有更多主见，也欢迎评论区讨论，共同学习进步。

在用户刚下载完抖音还未登录时应该是随机的热点推荐。然后根据用户的浏览习惯（比如男生在看到美女的短视频时停留时间相对较长）来推断用户的性别、年龄等人口统计学特征进而进行相关的内容推荐。当给用户打够标签后，可进行基于标签的推荐。

在用户登录之后可根据第三方登录信息或者注册时候的信息来进行基于内容的推荐。这里的内容可以是用户层面的注册信息，也可以是短视频层面的文本信息以及视频信息。

当然在拿到用户与产品的交互记录后，可以很方便的进行基于协同过滤的推荐，即跟我很相似的用户A喜欢看短视频1，那么我也有很大可能对短视频1感兴趣。这里的相似用户就是根据用户的历史浏览记录来得到的。

最近异军突起的深度学习领域在图像、文本等领域都有很好的性能，当然不排除抖音将深度学习技术应用到短视频推荐上。

最后，任何一个成熟的产品都不是单一算法来实现的，肯定是多种推荐算法的有效融合，热点推荐、基于内容的推荐、基于协同过滤的推荐、基于深度学习的推荐等，还要考虑到上下文信息，比如用户在什么地点、什么时间段该推荐什么内容比较合适等。