抖音视频推荐

抖音的流量分配是去中心化的。

在微博和公众号上，如果你没有粉丝的话，你发的内容就不会有人看。但是抖音就不一样，你可以完全没有粉丝。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。

 

抖音不能与一般的视频feed流app如西瓜所用算法等同看待。强大的人工运营团队是保障，合理的音乐社区标签体系、专业的后期bgm剪辑与选取、及时更新的视频翻拍活动等，让ugc源源不断注入视频库，加之明星效应的带动，使得用户粘性越来越强。

下面谈一下可能的推荐策略：

 

冷启动与ee：

抖音是强运营体系，基本不存在太大的冷启动问题，在用户进入app初期推荐热点，其中热点按照时效性进行了热度分级，按照热度倒排给用户一个非个性化的feed视频池加一些其他渠道的召回策略去推，同时完成初期对用户兴趣特征的探索。

而对于新视频的冷启动，个人感觉，时效性非常重要，很多次在众多高赞热门中穿插的都是较新的而没有得到充分曝光，并且有主题与我此前发生行为触发(观看、点击主页、点赞、查看同bgm其他视频等操作)的视频类似，一定程度上解决了长尾视频曝光不足的问题，至于后续能不能火，就要看视频本身的质量是否能触发扩散了。按照抖音的高赞热度分级体系，不同热度的曝光量一定会上一个层次了。

当用户的行为特征采集到后，可以基于以下

1.用户特征：这里主要还是用户的兴趣特征(关注的博主标签，bgm，分类标签)，加之高热度的热门视频(耳熟能详bgm下的前列模仿视频)，其他用户特征(检索query，人口统计学)感觉基本没怎么用。

2.视频特征：部分视频本身会携带有标签，如使用的bgm，以及运营标签(海草舞，养生滴等)如，用户没有填写的，应该是做了一些目标检测后的标签提取工作，也背靠强大的标注团队了。

3.上下文特征：时效性非常重要，与热度的衰减息息相关。另外，基于地理位置的召回也是其中一个策略。

4.社交属性特征：将社交属性也纳入时间线，将用户所关注的人的点赞、评论、发布，优先推到视频池前列。

综合上述形成的一个feed池，个人使用时间也快一年了，也感受到了抖音算法团队迭代的一些逻辑，现在越来越“社群化”，放大局部热点，让强运营的活动不断强化，扩散热点。