抖音推荐的逻辑
一种观点是，了解抖音的推荐算法，按照算法的规则来，就能将自己的视频刷上热门吗！非也！首先，真实的推荐算法抖音官方并没有对外公布，也不可能对外公布。但我们还是可以从同是头条系的今日头条的推荐算法和抖音运营者的经验总结，发现抖音算法的一些“真相”——抖音算法的基础逻辑。
首先，抖音的推荐算法核心的点是：让更多可能会喜欢这条视频的用户都看到它。
为此，抖音是这么干的：给一个新视频分配初始流量，一般是给500-5000多个系统认为会喜欢这个视频的用户推送你的视频。至于如何选择这500多个初始用户，抖音首先会看你的这个视频适合于哪些人群，然后再到这些人群中随机选择500多个。我们后面就会讲到。
因此，下面这一点至关重要：由于抖音初只找500-5000个用户当“小白鼠”，可以想见，这是所有可能对你的视频感兴趣的人群中极为微小的比例。这些人对你的视频的“感受”是非常重要的，几乎决定了未来你的视频有没有机会爆起来。
抖音如何知道这些人的感受呢？很简单，抖音系统根据这500-5000个人的反馈数据（完播率、点赞率、评论数、转发数、关注数等），决定是否继续向更多的用户推送你的视频。如果你的视频得到了这群初始人群的喜爱，那么抖音会扩大一次人群，再次让更多的人（大约50,000-500,000个人）看到你的视频，然后再记录这些人的反馈数据。如果这些人的反馈也不错，那么抖音会继续推荐更多的人看到你的视频，由此循环下去。
所以，有时候你的视频一下子就有了大几千，或者几万浏览量，就再也起不来了，说明小规模人群可能喜欢，觉得不错，更大规模的人群（5万-50万）这个规模的反馈一般，也就没有大爆发的可能性了。
因此，如果确实是一个高质量原创的视频，真的有可能得到每一个推荐人群的喜欢，这样就能一直得到系统叠加推荐，终就能成为一个爆款视频。反之，很快就会没有后劲而萎顿下来。
没错！抖音的算法背后，就是如此典型的马太效应。
“元初推荐”的逻辑
系统是怎么判断初始用户会喜欢哪些视频的呢？主要就是依靠它自己的推荐系统，涉及两个方面：用户标签和内容分析。
抖音可以通过用户的第三方社交账户登录信息、用户行为、位置授权信息和模型预测等方式。得出，用户的兴趣特征、身份特征和行为特征，以此建立用户标签。如下所示：
兴趣特征：车型、体育球队、股票；
身份特征：男、25岁、常驻点上海；
行为特征：晚上才看视频；
而内容分析方面，一个视频除了视频本身还包括：标题、描述、位置信息、封面图等这些也都可以进行分析拆解，建立内容标签。
此时，抖音已经知道你是谁，你喜欢什么内容，并且也知道视频的内容都是什么，就可以进行系统推荐了。
其中系统的推荐流量的大概参考数据如下所示，实际可能划分更细致：
启动阶段：500——5000人推荐量；
小爆阶段：5W——50W；
大爆阶段：500W
上述主要是说明，发布的新视频在抖音算法的推送下是如何成为热门视频的。此外，还有一个情况是系统“挖坟”，也就是发布很久的视频，突然爆了。
原因一是系统会重新挖掘数据库中优质的内容，如果你的视频足够优质被系统重新挖掘，再次推荐。此时，路径就和上述流程类似，重新上热门。
原因二是爆款效应，当你某个视频上热门后，用户可能会顺着你的抖音号，翻看之前的视频。点赞评增加，重新激活系统推荐。因此，也很有可能上热门。
除了向个人推荐外，还有向一类人推荐某类视频的协同推荐算法。这个算法可以避免给用户推荐的内容过于单一，帮助用户发现更多可能会喜欢的视频。有相似用户特征的AB两人，B还喜欢健康类的短视频，那么系统就猜测A也可能感兴趣，因此会向A进行尝试推荐。
你可能已经能明白，这就是普通的相似度人群推荐嘛。没错。
