TikTok机器推荐机制的底层逻辑

TikTok是海外版的抖音，对数据的抓取方式基本上是一致的。站在用户的角度，我们注册账号时选择的感兴趣的类目，手动点击不感兴趣的内容，点赞评论的热门视频，都是机器确认你喜好的重要指标。

站在创作者的角度，要想玩好TikTok，首先要了解机器的推荐机制，然后再去创作迎合机器推荐的内容。

/1/

提到影响推荐量的因素，我们往往会最先想到权重。

权重越高的账号，会获得更多的流量。假设新注册的账号是C级，那往上就会有权重更高的B级，A级，甚至S级等更高级别的账号。相反的，有些账号会被限流，我们可以将其设定为D级。

每个新账号的初始等级是C级，在没有权重的前提下，能不能获取更多的流量就要看作品有没有进入新的流量池。一般来说，作品发布后会掉入初级流量池，预计规模是：粉丝量+400左右随机观众。

如果作品的各项指标满足要求，就可以顺利进入中级流量池。如果作品不达标，则会被搁置。中级流量池可能会有5000左右的随机观众。以此类推，作品可能会进入百万千万级别的流量池，进而成为爆款视频。

/2/

接下来，我们来看看视频主体信息对机器的影响。

视频的主体信息包括，画面，声音和文字。机器会识别视频的画面，如果发现了违规的画面，视频就无法审核通过。就算审核通过了，推荐量也寥寥无几。

机器也可以识别声音，以此来判断视频内容的主题。视频的标题，文案，和标签都属于文字，这也是机器可以识别到的内容。

所以我们创作视频的时候，要反复研究画面，声音，文案三个要素。一个好的作品，往往有着十分独特的三要素。

/3/

还有就是，互动也会影响到推荐量。

互动主要体现在四个点：点赞，评论，分享，播放。值得一提的是，这四个点的排序是有先后顺序的，越后面的点，影响越大。

这很好理解。现在的作假成本比较低，刷点赞量，刷评论量的例子比比皆是。但是分享量和完播率就没那么好刷了，尤其是完播率，一定是建立在时间成本上的。

视频获得了机器初步的推荐，并且用户互动的数据很可观，最后就会成为爆款吗？那不一定，视频火不火还要参照一个重要指标：engagement velocity，翻译过来就是视频的接触速度。

接触速度简单说就是单位时间段里，观众对你的视频的反馈率

所以说，只有在指定时间内，获得足够多互动数据的视频，才有机会成为爆款。

/4/

除此之外，机器算法还有扶持机制和挽留机制。

扶持机制的推出，目的是照顾新手。新手的作品，普遍质量一般。为了激发他们的积极性，机器会给予二次曝光，让播放量有所提升。

挽留机制顾名思义，目的是挽留创作者。流量池里播放量较差的视频，至少会有一次复活的机会。机器还会赠送少量粉丝，让创作者觉得有成效，可以继续试试。