抖音的审核与流量推荐机制
2025-02-21 00:53:24 55 分享链接 互联网干货 抖音
必须得了解算法背后的逻辑:智能分发,叠加推荐,及热度加权。
抖音审核采取机器与人工相结合的审核方法。每一部作品从上传开始到热门会遇到层层审核。此处仅贴出视频审核算法,审核细节见附录《让你更懂抖音平台的进审推荐逻辑》
抖音审核机制
头条系的算法有别于其他互联网产品的中心化流量分配,就像微博的流量向名人大V集中,刚开的微博都没人看。而头条系即便你是0粉丝,发布的任何视频,抖动系统都会智能分发几十上百的流量。而新视频流量分发以附近和关注为主,再配合用户标签和内容标签智能分发,如新视频的完播率高,互动率高,这个视频才有机会持续加持流量。这也正是0粉也能1夜10w+,一夜爆红的原因,因此抖音的去中心化算法让人“雨露均沾”,这波红利给人人以机会,天天有看点!
抖音审核推荐
1.叠加推荐
所谓叠加推荐,是指新视频都会智能分发100vv左右的播放量,如转发量达10(举例),算法就会判断为受欢迎的内容,自动为内容加权,叠加推荐给你1000vv,转发量达100(举例),算法持续叠加推荐到10000vv,转发量达
1000(举例),再叠加推荐到10wvv,依次累推...所以那些一夜几百万播放量的抖音主也朦逼,不知道发生了神马,实则是大数 据算法的加权。叠加推荐当然是以内容的综合权重作评估标准,综合权重的关键指标有:完播率,点赞量,评论量,转发量,且每个梯级的权重各有差异,当达到了一定量级,则以大数据算法和人工运营相结合的机制。
2.八级流量池推荐
第一级200--500
第二级3000--5000
第三级1.2W--1.8W
第四级 10W--12W
第五级 40W--60W
第六级200W--300W
第七级 700W--1100W
第八级触发标签长期推荐
3.热度加权
实刷近百条爆火抖音,发现所有一夜爆火的视频,和抖音推荐板块的视频,播放量多在百万级,综合数据(完播率,点赞量,评论量,转发量)无一例外都很好。
可见经过大量用户的检验,层层热度加权后才会进入了抖音的推荐内容池,接受几十到上百万的大流量洗礼,各项热度的权重依次为:转发量>评论量>点赞量。
热度权重也会根据时间择新去旧,一条爆火的视频的热度最多持续1周,除非有大量用户模仿跟拍,所以还需要稳定的内容更新机制,和持续输出爆款的能力。
另抖音的明星,头部达人会自动加权,这也就是去中心化算法中的中心化倾斜,以扶持高质量的PGC内容。
最近更新
- 2025-04-05 01:44
- 在 tkinter 里,grid 布局与 pack布局 place布局的区别
- 2025-04-05 00:35
- 在 tkinter 里,grid 布局管理器采用 Frame 布局的原因
- 2025-04-05 00:07
- 在 tkinter 里,sticky 是 grid 布局管理器中的一个重要参数
- 2025-04-03 16:57
- JavaScript 的 MutationObserver API基础解释
- 2025-03-31 17:51
- 4:3 与 9:16 比例的壁纸,常见的分辨率有以下几种:
- 2025-03-29 04:44
- BeautifulSoup 对象的一些常见方法
- 2025-03-29 04:02
- 除了BingWallpaper,还有哪些库可以获取必应历史壁纸?
- 2025-03-29 03:17
- 必应手机壁纸常见的尺寸有哪些?
- 2025-03-29 00:54
- 分享一些Python 常见的正则表达式示例
- 2025-03-23 17:31
- 如何将我用python写的小说格式化工具打包成exe文件?