为啥自己拍的抖音就火不起来呢？
算法推荐下，专注内容才是根本要了解原因，首先必须得了解平台的内容推荐机制。这就要从算法说起。凡是使用算法推荐系统，本质上都是拟合一个用户对内容满意度的函数y=F(Xi,Xu,Xc)，这个函数包括三个维度的变量，即用户、环境、内容。第一个维度：内容。每种内容都有很多标签，什么类别、属于什么领域、播放量、评论数、转发数等，需要考虑怎样提取内容特征来推荐。第二个维度：用户特征。包括兴趣、职业、年龄、性别等。第三个维度：环境特征。用户在哪里，什么场合，工作还是旅游，还是地铁里。简单来说就是：我是谁、我在哪儿、我想看什么。要将这三者匹配起来，是一个很复杂的数学问题，常用的模型就有好几种。比如传统的协同过滤模型，监督学习算法LogisticRegression模型，基于深度学习的模型，FactorizationMachine和GBDT等。像抖音这种数据量大、实时性强的，一般是多种模型混合使用。以上算法过程能否看得懂并不重要，重要的是下面的内容。实际情况很复杂，要考虑的因素更多。最终，系统会根据多个因素加权计算得出一条视频的指数，然后根据指数来分步骤推荐。第一步是冷启动。视频通过审核后，系统会分配一个初始流量池，初始流量池由两部分组成。1、该账号的粉丝，但并不是所有粉丝都能推送，要服从算法优先原则。2、可能喜欢该视频的用户。冷启动推荐有00左右播放量。然后系统会根据数据来给视频加权计算，最核心的数据有4条：播放率、评论率、点赞率、完播率。前三个都很好理解，完播率呢？举个简单的例子，如果你发的视频时长1分钟，有人看了你的视频，其中只有20人看完1分钟，其他都是只看了一部分，那么完播率就是20%。然后做加权计算：当然，具体的加权算法是什么，我们就不知道了，这是抖音的核心商业机密，而且这个算法也会在实际运用中不断迭代。但我们可以知道，权重的排序大概是完播率点赞率评论率转发率。道理很简单，你的视频也许开头吸引了用户，也许标题吸引了用户，也许是封面吸引了用户，但这些都不能证明你的整个视频质量高，只能证明某一部分吸引人。如果用户可以把你的视频看完，那说明你的视频真的是优质，所以把完播率的权重放在第一位也就不足为奇。除了这四个数据外，账号的权重也是考虑因素。比如你的账号和人民日报相比，那权重绝对不一样。人民日报权重高，初始就能获得更高的推荐量。根据今日头条的算法经验来看，如果两个账号发同样的消息（文字可以抓取内容来分析），算法会优先采信权重高的账号。但是视频应该较难遇到此情况。第二步，加权计算后，符合第二次推荐的要求，视频会被推荐到第二个流量池，左右。然后重复第二步的操作。统计数据，再推荐，每一次推荐都会获得更大的流量。如果某一次数据不达标，那就会暂时推荐。视频的流量也就止步了。最终形成了倒三角推荐机制。对于内容创业者，算法推荐有什么要注意的？
算法推荐让创作者运营的空间很小，专注内容创业带来的收益更大。区别有多大呢？可对比转载请注明：http://www.0431gb208.com/sjszlfa/4.html
