抖音智能算法解读：老生常谈，加点新货

抖音智能算法解读：老生常谈，加点新货

2024-11-07 19:48

举个例子：比如视频提取的关键字有iPhone、手机、摄像头，首先会将作品归类到科技类目，然后具体划分到二级类目手机，然后再细分到苹果品牌的三级类目。

由于一个视频关键词众多，所以也有一些相应提取规则：

高频词原则：提取出现频次的更多的关键词

独特性原则：大部分视频经常出现，但是没有实际意义的词汇

如语气助词：呢、吗、啊、吧

比如虚词：已经、必须、难道、差不多、马上

比如转折词：因为、所以、虽然、但是

既然系统是这样来理解内容的，那么我们应该做的，就是针对系统调整自身的视频，让视频更容易被系统理解。我们可以这样做：

1、避免使用非常规词汇

这里主要指各种缩写或流行语：如盘他、酸了、DBQ、有句港句

还有各种外号：美帝、卢老爷、魔都、胡建

2、使用有具体意思的名词

比如《迷茫的青春，懵懂的年华》请换成类似《20岁XX大学的爱情故事》。

看到这里可能大家难以接受，但请牢记，标题的逻辑在不同的产品有着本质区别。图文内容平台通过标题吸引目标用户点击，文章有足够的关键字来辅助文章定位。但抖音平台的标题是在视频展现之后才一同出现，本质就是为了辅助视频定位。

所以自然地在抖音不需要标题党，如何与机器进行对话，是我们在适应新平台时首先要深刻理解的。

二、抖音是如何理解用户的？

系统主要通过三类信息来判断用户画像：

1、历史浏览

通过判断历史浏览的内容收集兴趣关键词

2、身份标签

性别、年龄、地域以及其他资料信息

3、环境特征

工作、通勤、旅游、休息

通过一系列的信息，来推测和还原出一个用户的基本属性，接着再通过用户的信息和行为，对用户进行分析，计算用户喜好的分类、话题。

结合上面提到的作品特征和用户对历史浏览作品的喜好特征（完播、点赞、评论、转发），拟合一个用户对内容满意的函数，它会估算用户对每一个作品的点击概率，然后从成千上万的内容池中挑选合适的内容展现到用户手中。

三、抖音是如何推荐的？

抖音的推荐主要有以下几个流程：

1、机器审核

机器审核也是系统的初审，主要的目的是为了判断视频的风险级别，根据风险级别的不同分发给不同的审核人员，在抖音发布的内容往往可以非常效率地通过机器审核。

2、加权推荐

只要发布的视频是无违规的正常内容，那么都会得到一定量的加权推荐，保证一个新的作品能够展示给一部分用户，这也是抖音的魅力所在。

3、叠加推荐

在经过加权推荐后，系统就可以根据这些收集到的反馈（完播、点赞、评论、转发、关注），进行内容的质量判断。受欢迎的内容会进行进一步的推荐，而不受欢迎的内容则会被缩紧推荐。

在叠加推荐的同时，系统如果收到许多异常数据，如负面评论增加、举报增多，则视频会再次进入审核流程，相比初次审核将会更加严格。

四、视频推荐差的原因会有哪些？

首先请参考《你是真被限流了还是想太多？抖音限流自查和解决攻略》里，检查是否有违规情况，如果没有违规情况且视频推荐上不去，大致有以下几点:

1、账号内容不够垂直

如果一个账号经常更换领域，抖音无法给账号贴上一个合适的标签，从而影响后续的推荐。这里要注意，这里的领域并非我们主观意识，而是系统认可，这也是关键词的重要性。

很多内容通过气氛是可以有不同的解读，典型的如黑色幽默，但是目前的算法很难能判断这些内容属于搞笑类别。

2、内容受众太少

虽然抖音是已经覆盖了比较广泛的人群，但是如果视频内容受众过少，在这些精准人群推荐完后，很难再扩大推荐到其他人群。

3、内容时效过短