TikTok推荐机制的三个阶段

TikTok平台推荐机制是视频审核后，系统推荐，推荐是去中心化、流量池规划、人工智能分发系统，平台将为每个作品提供流量池，无论大号小号，只要视频作品审核会推荐，视频后期能不能爆，都取决于这个流量池的数据表现(播放量、点赞量、评论量、转发量)。

推荐分为三个阶段：

1、基础推荐：

在新发布的视频作品中，流量分发主要集中在附近和关注上，然后用户标签和内容标签智能分发给少数用户，看看用户的反馈。如果用户喜欢的比例更大，就有可能进入第二轮叠加推荐。

2、叠加推荐

新发布的视频将通过最后一轮智能分发，根据账户权重分发约100-500播放，如转发10（例如），算法将判断流行内容，自动加权内容，叠加推荐1000，转发100（例如），算法继续叠加推荐

到100000，转发量达到1000，再叠加推荐到1000w，依次累推。当转发量达到一定水平时，将大数据算法与人工操作相结合。

3、时间效应

热度的权重依次为：转发量>评论量>点赞量>完成率；热度权重会根据时间选择新的和旧的。

一个热门视频的热度最多持续一周。除非大量用户模仿拍摄或合拍使用你的音乐，否则还需要稳定的内容更新机制和持续输出热门风格的能力。

这里强调：作为短视频创作者，不想深入研究tiktok核心算法机制，但要理解逻辑。有针对性地优化内容，引导用户观看视频，然后点赞、评论、转发，以获得更高的推荐。

以上就是TikTok推荐机制的三个阶段，搞清楚了就可以找准方向有针对性的来制作视频了。

（本文内容根据网络资料整理和来自用户投稿，出于传递更多信息之目的，不代表本站其观点和立场。本站不具备任何原创保护和所有权，也不对其真实性、可靠性承担任何法律责任，特此声明！）

常见问答(FQAS)

TikTok推荐机制分三个阶段工作:首先,兴趣挖掘阶段会根据用户浏览、点赞和分享历史来推断用户的兴趣;然后,内容匹配阶段会根据用户兴趣找出相关视频;最后,选择优化阶段会根据视频质量、用户参与度等因素做优化,得到最佳推荐列表。

兴趣挖掘阶段主要通过用户行为数据来分析用户喜好和兴趣点;内容匹配阶段会根据用户兴趣找到相关视频作匹配;选择优化阶段会根据视频质量如播放时长、点赞数等指标, coupled with 用户参与情况如是否观看结束等来评估视频质量,生成排名最优的推荐列表。

TikTok通过分析每个用户独特的观看记录,进行兴趣分析,深入了解每个用户的喜好。然后利用自己庞大的视频库,精准匹配与用户兴趣相关的视频内容,实现个性化推荐。随着每次观看和互动,TikTok的推荐能力不断增强,给用户带来更个性化的体验。