从巨大的内容池中为用户匹配出感兴趣的内容。
另外，项亮的演讲中还提到，信息的匹配主要依据三个要素：用户、内容、感兴趣。
用户刻画：今日头条会从很多角度给用户画像，比如年龄、性别、历史浏览等。
内容刻画：利用技术对内容进行分类。
感兴趣：肯定不能直接去问用户是否喜欢，只能根据用户的行为去猜测用户的感受。
那么，算法的本身是什么呢？
项亮提到，它实际上是一个拟合你对内容满意度的函数。
所以，我们可以这么简单理解抖音的推荐机制：
从大量的视频中，通过用户的行为，判断用户对哪些视频更感兴趣，推送给他们。
那么抖音是如何判断用户是否喜欢推荐的内容呢？
在抖音的视频信息流中，有四个按钮，分别是关注、转发、评论、点赞。
这几个按钮的作用，就是用来判断用户是否喜欢推送的内容的，不过还有一个参考指标就是完播率（就是看是否完整看完整个视频）。
在转发、评论、点赞和完播这几个指标中，我们发现用户参与成本最大的是转发（因为现在已经将抖音的接口关闭了，用户想转发到必须下载下来再上传到），然后依次是评论、点赞和完播。
讲了这么多，我并不是要教你去研究抖音的算法机制，而是理解这里面的逻辑。然后有针对性地在内容里去优化，去引导用户做出反应自己喜欢你的视频的动作，从而获得更高的推荐量。
