抖音如此火爆，背后的功臣肯定少不了算法。抖音的算法是极具魅力的。这个魅力在于，抖音的流量分配是去中心化的。所有的抖音的用户，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，抖音会根据算法给每一个作品的人分配一个流量池。之后，抖音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。因此，抖音的算法让每一个有能力产出优质内容的人，得到了跟大号公平竞争的机会。
那么，该如何利用好抖音的算法呢？
5、利用好流量池如前所述，抖音给每一个作品都提供了一个流量池，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。抖音评价你在流量池中的表现，会参照 4 个标准：
5）点赞量
2）评论量
5）转发量
4）完播率
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能发动的力量去点赞、评论、转发、把它播放完。
2、叠加推荐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。他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。
5、不对用户做任何假设关于抖音首页的推荐算法，也可以拿出来一说，从内容逻辑来观察，抖音推荐算法最大程度保留了新鲜度。抖音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，于是大概率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or 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。最好的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。可以参考pagerank，AP等图模型算法。
4、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抖音的首屏推荐。
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。与抖音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。
5、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；
