推薦標簽演算法

1. 抖音里的全部推薦是怎麼來的

抖音的推薦是通過推薦演算法來實現的。

抖音是頭條系的產品，後背依託的頭條強大的推薦機制。

抖音先把視頻檢測標簽，如果作品被機器貼上標簽那麼就會分桶到對應標簽的流量窪地，如果標簽模糊無法貼標簽，那麼就會零散推薦，無法進行精準推送；進行送量測試之後進行啟動階段，啟動階段；在啟動階段有小爆階段，平台根據點贊評論等數據進行判斷，判斷合格會進行大爆階段，就會推薦給大部分用戶。

(1)推薦標簽演算法擴展閱讀

獲得更多抖音推薦的要素：

1、提升完播率：發布的15秒視頻看完的人數持續增高，推薦則會慢慢增長。

2、提升點贊率：抖音官方公布的優質視頻點贊率是3%(即比方點贊比)，如果你的比方點贊比高於或者接近3%，抖音演算法機制會給你更多推薦量。

3、提升互動率：視頻評論互動是賬號活躍度檢測的一個重要標准，跟抖音演算法推薦機制直接掛鉤。

4，提升轉發率：視頻的轉發數量越高抖音演算法推薦越高，推薦到首頁的轉發量都不低

2. 論淘寶搜索推薦演算法排序機制及2021年搜索的方向。

[寫在前面]淘寶搜索引擎至今反復多次，搜索順序也從最初的統計模型升級到機械學習模型，到2010年為止沒有標簽沒有基礎標簽，隨著計算能力的提高，2010年後開始挖掘用戶的基礎標簽，從3年到2013年開始使用大規模的機械學習和實時特徵
但你有沒有想過為什麼2016-2017年的兩年是各種各樣的黑搜索盛行的一年，為什麼今天幾乎消失了？
最根本的原因是從統計演算法模型到機械學習模型的轉型期。
說白了，這時不收割就沒有收割的機會。因為統計模型即將退出歷史舞台。
因此，各路大神各自擴大了統計模型演算法中的影響因素。統計演算法無論在哪裡，點擊率和坑產都很容易搜索。
那兩年成了中小賣家的狂歡盛宴，很多大神的煙火也是旺盛的。
今天推薦演算法的第三代使用後，加上疫情的影響進行了鮮明的比較，真的很感慨。
淘寶真的沒有流量了嗎？電器商務真的做不到嗎？還是大家的思維沒有改變，停留在2016-2017年的黑搜宴會上不想醒來？
2017年、2018年、2019年是淘寶推薦演算法反復最快的3年，每年的演算法升級都不同，整體上到2019年9月為止統計演算法模型的影響因素還很大，從2019年下半年開始第三代推薦演算法後，全面的真正意義進入了以機械學習模型為中心的推薦演算法時代。
各路大神也無法驗證，加上百年疫情的影響，很多大神的隱蔽布也泄露了。
基本上以統計模型為主，訓練基本上沒有聲音，典型的是坑產游戲。
如果現在還能看到的話，基本上可以判斷他不是在訓練，而是在製作印刷用紙，一定會推薦使用資源，資源是多麼安全。
刷子的生產增加真的沒有效果嗎？不是我以前的文章說:不是不行，而是從坑產的角度思考，而是從改變競爭環境的角度思考，用補充書改變競爭環境，改變場地，有新的天地，任何手段都要為商業本質服務。
正文
概述統計演算法模型時代。
統計模型時代搜索引擎的排名是最原始的排名思考，如果你的類別不錯，關鍵詞比較正確，就能得到很大的流量，當時產品需求少，只要上下架的優化就能使產品上升。
到2016年為止沒有坑產游戲嗎？黑色搜索的效果不好嗎？其實，什麼時候坑產是最核心的機密，誰來教大家，什麼時候教的最多的是類別優化，關鍵詞優化，大部分優化都圍繞關鍵詞，電器商的老人想起了你什麼時候得到關鍵詞的人得到了世界。
有人告訴我做坑產，關鍵詞找到生意也來了。什麼時候知道坑產也沒有人給你刷子，大規模的補充書也出現在黑色搜索盛行的時期。
為什麼關鍵詞者得天下？
搜索關鍵詞是用戶目前意圖最直觀的表達，也是用戶表達意圖最直接的方式。
搜索的用戶購物意圖最強，成交意願也最強，現在搜索也是轉化率最高的流量來源。
統計時代關鍵詞背後直接依賴的是類別商品，只要製作類別和關鍵詞分詞即可，哪個時代最出現的黑馬通常是類別機會、關鍵詞機會、黑科學技術機會。
最基本的是商業本質，什麼時候產品需求少，沒有很多現在的類別，自己找類別，現在想想什麼概念。
記得什麼時候類別錯了，搜索也可以來。如果你的商品點擊反饋好的話，錯誤的類別沒有什麼影響，現在試試吧
搜索類是搜索的基礎。
什麼時候能稱霸，背後有商業邏輯，用戶行為數據好就行了。
但無論如何發展檢索都離不開關鍵詞。例如，上述關鍵詞是用戶表達意圖的最直接的方法，是當前消費者的檢索行為和購買行為發生了根本性的變化。
檢索依然根據消費者的行為數據和關鍵詞來判斷需求，這就是機械學習模型時代。
機器學習模式時代-推薦搜索演算法。
現在的商品體積和消費者購物行為的豐富性，統計演算法不能滿足檢索的本質要求。
所以現在搜索引擎開始發展深度學習模式更精細的建模-推薦搜索演算法，搜索排名更智能。
在此重點討論推薦檢索演算法，
2017、2018、2019是推薦檢索演算法真正意義發展的3年，3年3個系統版本每年更換一次，很多電器商人都不知道頭腦。
推薦檢索演算法和統計演算法模型的最大區別在於，Query的處理能力和演算法有召回機制
簡單表示推薦演算法的程序:
1:對檢索關鍵詞進行分詞、重寫的處理進行類別預判
2:根據用戶信息，即用戶以前的行為數據記錄和預測的性別、年齡、購買力、店鋪喜好、品牌喜好、實時行動作等信息存檔
3:根據檢索用戶信息，根據檢索用戶以前的行為數據檢索引擎和預測的性別、年齡、購買力、店鋪喜好、品牌喜好、實時行動作為等信息存檔3:根據檢索用戶信息的檢索用戶信息
也就是說，在第一關召回階段基本上與統計模型時代的最佳化途徑相同，核心是標題分詞和類別，現在最大的區別是根據用戶信息推薦最佳化，這是標簽和正確人群標簽圖像最佳化的基本意義。
為什麼現在一直在談論標簽，談論人標簽圖像？入池實際上是為了匹配真正的消費者用戶信息，通過直通車測試來判斷人群也是為了通過性別、年齡和購買力來優化匹配真正的消費者。
召回機制:
通過構建子單元索引方式加快商品檢索，不必經歷平台上億級的所有商品。該索引是搜索引擎中的倒置索引，利用倒置索引初始篩選商品的過程是召回階段。
在這個階段，不會進行復雜的計算，主要是根據現在的搜索條件進行商品候選集的快速圈定。
之後再進行粗排和精排，計算的復雜程度越來越高，計算的商品集合逐漸減少，最後完成整個排序過程。
主要召迴路徑分為
1:語言召回
2:向量召回
這些都是商業秘密不方便的說明，有興趣的是學習我們的在線會員課程標簽重疊游戲6是基於語言和向量召回的基礎邏輯實戰落地的課程。
下一階段進入粗行列，粗行列受這些因素的影響:
粗行列作為召回後的第一個門檻，希望用戶體驗以時間低的模型快速排序和篩選商品，第一關系將過濾到不適合本次檢索詞要求的商品
為了實現這個目的，首先要明確影響粗排名得分的因素
1:類別匹配得分和文本匹配得分，
2:商品信息質量(商品發布時間、商品等級、商品等級)
3:商品組合得分
點擊得分
交易得分賣方服務商業得分
在粗排列框架下，系統粗排列演算法根據商品類別的預測得分進行得分
點擊得分交易得分
交易得分賣方服務商業得分粗排列框架下，系統粗排列的大排列
最後是精排，檢索順序的主要目標是高相關性、高個性化的正確性。
每個用戶的喜好不同，系統會根據每個用戶的Query結合用戶信息進行召回。然後通過粗排後，商品數量從萬級下降到千級。
千級商品經排後直接向用戶展示，搜索過程中商品集合的思考和具體變化如下圖

前面的召回、粗排主要解決主題相關性，通過主題相關性的限制，首先縮小商品集合和我們的在線會員課程標簽
精排階段系是真正系統推薦演算法發揮真正威力時，應根據用戶行為反饋迅速進行機械學習建模，判斷用戶真實性、准確性和可持續控制性。
為什麼現在的游戲和黑色技術暫時出現，核心是系統演算法模型機械學習模型，系統分析用戶有問題，不正確，不穩定，維持性差，可以迅速調整。
也就是說，即使發現脆弱性，研究快速有效的方法，系統也會根據你精排階段的用戶行為迅速分析學習建模，發現模型有問題，你的玩法就結束了。
猜機器學習建模的速度有多快？
想玩黑色的東西早點死去吧。
現在使用的檢索順序模型主要是
CTR模型和CVR模型，具體模型過於復雜也不需要深入，但影響這兩種模型的最基本因素是用戶行為數據
真的不能假的，假的也不能假的演算法模型越來越智能化，演算法越來越強，只有回歸商業本質才能真正解決演算法模型背後真正想解決的問題，演算法基於商業邏輯。
2021年搜索向哪個方向發生變化:
2020年電器商人和螞蟻是不平凡的一年。2020年也是螞蟻從神壇上拉下來的元年，現在螞蟻有各種各樣的黑色。
基於中小賣家的走勢無疑是阿里必須正面面對的現實。
如何讓中小賣家迴流或留在平台上，搜索該怎麼做？
檢索一定是基於三方的考慮，買方、賣方和平台本身，現在市場上又開始提倡坑產搜索邏輯，坑產妖風又開始，根據推薦搜索演算法邏輯來談這個問題。
為什麼坑產思維是不死的小強，每次危機都會跳出來。
以統計模型為中心的坑產時代是淘寶從2003年到2015年一直使用的搜索演算法模型長達13年。
同時也是淘寶和中國網分紅的野蠻生長期，統計演算法模式讓太多電商賺錢。除了
之外，十年的奴役思維已經習慣了，在電器商圈，坑產游戲一定有人相信，其他人不一定被認可。所以，我們夾著尾巴發展的原因，時間真的可以證明一切，不用多說，做自己。
習慣性思維加上特殊時期的賺錢蝴蝶效應，使許多電器商人活在歷史的長夢中。正確地說，統計演算法模型的真正廢除是在2019年下半年。
同學說坑產永遠有效，我也這么想。
永遠有效的是起爆模型坑產權重驅動和統計演算法模型中的坑產排名不同。
起爆模型的坑產要素永遠有效，這永遠不會改變。
但是，如何有效地加上這個起爆模型的坑產權重，並不像模仿購物的意圖那麼簡單。
坑產游戲在2021年絕對不行。淘寶不會把現在的演算法系統換成15年前的。
基於三方利益:
購買者體驗
賣方利益
平台的發展
搜索肯定會向高精度和高控制性發展。以標簽為中心的用戶標簽圖像仍然是影響流量精度的基本因素。
必須從標簽的角度考慮和優化種子組的圖像。
通過種子組的圖像向相似人擴展到葉類人，業界喜好人最後向相關人擴展也是擴大流量的過程渠道。
基於推薦搜索演算法邏輯:
精密排列階段演算法更強，精度更高，轉化率更高，持續穩定性更強。
基於中小賣方流通的現狀，優化精排階段並非中小賣方能夠簡單接觸。
推薦演算法從搜索排名階段出現在哪個階段？
個人判斷
一是召回階段
二是粗排階段
上述提到召回階段的演算法簡單復蓋商品為萬級，排序規則也比較簡單，中小賣方在召回階段提高精度尤為重要。
在這個萬級商品庫中，如上下架的權重上升，中小賣方有機會上升到主頁，從子單元的索引召回中尋找機會。
或者根據中小賣方的新產品和中小賣方的店鋪水平進行特別優先搜索推薦，使中小賣方的新產品在低銷售狀態下顯示，可以實現錦囊演算法。
中小賣方有機會搜索主頁，不調用用戶信息直接打開主頁的展示權可能是中小賣方最大的支持。
根據召回階段的用戶行為數據，在粗排階段以比例融入用戶信息，即標簽的影響。
在初始召回階段，類別和分詞權重，看業者主圖場景反應背後的人們反饋，用系統引導，給中小賣方真正參考的流量方向和成交方向。
誰瘋狂地印刷用紙直接關閉黑屋，理解印刷用紙優化競爭場景，從優化人群的角度出發，適當放寬處罰。
通過召回階段，得到的用戶信息會影響粗體結果。在這個階段，用戶信息的權重比例不應該太大，流量卡也不應該太死。
在各檢索順序階段用戶信息，即用戶標簽對檢索的影響權重的問題。
這個方向我的個人觀點是可能的。

3. 抖音的推薦機制是利用的什麼原理

首先抖音平台的流量分發是有幾個等級的。那麼我們剛發上去的視頻都會被放到初級流量池中，給一個最基礎的流量幾百或者幾千個播放量，然後通過看過這些視頻的用戶行為來判斷是不是繼續給這個視頻流量。那麼有哪些行為呢？

用戶在看視頻時停留的時間長度，是看完了，還是沒看幾秒就劃過去了?還是重復的看了幾遍？也就是我們所說的，完播率和復播率。看完了證明這個視頻他比較有興趣看完，看了幾遍有可能是很喜歡這個視頻。

那麼這個用戶對這個視頻很喜歡他點了贊並且寫了評論，還把視頻轉發給朋友，還下載下來了。並且有這個行為的用戶有很多發給100個人看有八九十都是很喜歡，那麼抖音平台就會把這個視頻發給更多的人看，就進入到下一個級別的流量池了。那麼越來越多的人看到了，越來越多的人喜歡，這個視頻得到平台的流量推送也就原來越多了。

所以決定一個視頻的推送流量是通過用戶的六種行為決定的：完播率、復播率、點贊率、評論率、轉發率、停留時間。

4. 旺旺打標簽

據我所知，旺旺打標的原理是推薦演算法反向操作，打標就是真實模仿普通買家購物標簽，平台會給賣家商品標簽，買家有購物行為標簽，商品標簽基本是固定的，而買家標簽是動態的，不同時期會有不同標簽，飛鳥電商助手的旺旺打標，就是根據淘寶這種規則，可以直接給旺旺號打上相匹配的標簽，下次她打開手淘，我們的寶貝主圖和關鍵詞以及連接就出現在用戶首頁、猜你喜歡、探索發現、有好貨、淘搶購等各種入口，無聲提醒用戶下單，促進銷售轉化。

5. 推薦演算法有哪些

推薦應該說分為兩類：個性化推薦和非個性化推薦，「讓全局優秀的內容被大家看到」應該算是非個性化推薦，熱門榜單/最多觀看這類方法可以簡單解決這個問題;不同的人對於「好」的理解不一樣，換句話說也就是偏好不同，所以推薦新加入的好內容我認為是個性化推薦問題。

個性化推薦的兩個主要思想八個字概括之：物以類聚、人以群分。主要的方法及變種應該有很多，像協同過濾、基於內容的推薦、基於標簽的推薦等等。

6. 如何用演算法構建標簽

與企業業務關聯最緊密的客戶標簽往往是帶有預測性的，比如，某客戶的營銷價值，該客戶對產品的心理價位預期。這些標簽的提取需要在模型的基礎上更進一步，利用更復雜的演算法組合計算得出。

比如航司需要區分客戶屬性，判斷出是否為商務旅客，就可以利用邏輯回歸、K-均值聚類、支持向量機、神經網路等機器學習演算法，計算其為商務旅客的概率。如邏輯回歸演算法，可以選取「是否VIP」、「是否團隊購票」、「是否商務艙」、「訂座——出行日期差是否小於N天」、「出行是否周末」，「近一年內出行次數是否大於N次」、「出行城市是否大於N座」等變數。最終得出該客戶是否為商務旅客的預測標簽。

同樣的，企業希望預測預測某客戶對某商品的購買概率，如果沒有足夠的行為數據或歷史交易數據支持（如瀏覽該商品超過N秒，近期購買過該產品），則需要利用協同過濾等演算法進行計算，結合歷史購買記錄中的相同屬性商品、類似特徵人群的購買記錄等數據參數，計算出該客戶是否會購買商品的預測標簽。創略科技是國內首個CDP客戶數據平台，在標簽基礎數據整合、標簽管理、客戶畫像上有著突出的表現。

7. 抖音的推薦機制是利用的什麼原理

抖音演算法揭秘，百萬粉絲的背後邏輯

網路有網路的演算法、微信有微信的演算法、頭條也頭條的演算法，演算法是任何平台必不可少的機制，今天就來分享一下抖音的演算法機制。
一、科普
演算法是什麼？
簡單通俗的講，演算法就是一套評判機制。這套機制對平台的所有用戶都有效，無論是內容生產者（拍視頻的人）或內容消費者（看視頻的人），很多時候我們既是生產者也是消費者。
我們在平台上的每一個動作都像是一個清晰的指令，平台根據這些指令來判斷我們的性質。並將我們分為優質用戶、沉默用戶、流失用戶、可挽回用戶等；
除此之外，它還會判斷我們是否為營銷號，有沒有違規操作。如果是平台就會將我們的賬號關進小黑屋；相反如果判斷出我們是一個優質的用戶，平台就會給予我們一定扶持。
演算法有什麼用？
演算法對於平台最大的用處是管理自己平台上的用戶數據，並且根據用戶的一系列反饋行為來改進平台功能，提高用戶體驗從而使平台吸引更多用戶、留住更多用戶，最終使平台形成一個可循環的良性生態。
演算法有什麼好處？
演算法對內容生產者的好處：
我們既然想在別人的地盤為自己吸粉，就一定要明白別人的規則。就像追一個女孩子你得明白女孩子的喜惡，才有機會見縫插針地進入她的心。更何況，讀懂平台比讀懂女孩子容易的多！只要我們意識到平台的推薦機制，我們便可以有意識的設計自己的行為，引導平台判定我們是優質用戶從而分配給我們更多、更精準的流與更高的許可權。
演算法對內容消費者的好處：
大家刷淘寶、抖音或者頭條刷的某一類內容多了，下次再打開APP時是否覺得很多推薦的內容都是自己比較喜歡比較有興趣看的？其實平台為了提升用戶體驗為了留住你。它會根據你的行為來分析你的興趣，然後給你打上一個標簽再將同類標簽的內容生產者的內容推薦給你，你們便是一個池子里的人。
總之，推薦演算法會為我們匹配到我們想要的東西。為內容生產者匹配到精準的用戶，為內容消費者匹配到感興趣的內容。
明白了演算法是什麼以及它的重要性以後去任何平台引流的第一件事就是先了解平台的演算法，而不是傻兮兮的去引流，這樣只會被平台判斷為營銷號然後被封殺。
二、審核
抖音是一個去中心化的平台，這就意味著任何一個賬號都有機會擁有百萬粉絲甚至千萬粉絲。即便我們沒有一點流量，只要我們的內容受歡迎，就會被越來越多的人關注。
當我們發布視頻的時候平台會進行一次審核，這時候主要是審核我們的作品有沒有違規。例如有沒有出現廣告、有沒有帶水印或者LOGO、內容是否不雅血腥等，如果出現平台禁止的內容我們的視頻就會被打回或者被限流（只有你自己可以看見你發布的內容）。
如果沒有出現任何的違規現象，平台就會給我們通過。這個時候是內容才會正式出現在用戶眼前。
三、智能分發
我們新發布的視頻平台會根據我們賬號的權重給予一定的初始推薦流量，初始推薦優先分發給附近的人與關注我們的粉絲，然後才是配合用戶標簽與內容標簽進行智能分發。
四、疊加推薦
當平台將我們的作品分發給初始流量，平台會根據初始流量的反饋來判斷我們的內容是否受歡迎，如果受歡迎平台會將我們的作品分發給更多流量，反之就不會再給我們分發流量。
這里的重要反饋指標有：播放量（完播率）>點贊量>評論量>轉發量。
第一次推薦根據賬號的權重不同大概會給200—500的流量，如果被推薦的作品以上數據反饋較好（有百分之10的點贊和幾條評論以及60%完播率等）平台就會判定我們的內容是比較受歡迎的，便會給第二次推薦。
第二次大概會推薦1000—5000左右的流量；第二次推薦的反饋較好平台將推薦第三次，第三次就是上萬或者幾十萬的流量，一直以此類推。要是反饋依然較好平台就會以大數據演算法結合人工審核的機制，衡量你的內容可不可以上熱門。
一般一個視頻發布1個小時內，視頻播放量達到5000以上，並且點贊數高於100，評論數高於 10 基本上就會給下一級推薦了。
之前也有人問說自己的視頻一直很冷，但為什麼因為一條視頻反饋挺好的，突然又火了起來？
這里需要注意一點：抖音會挖墳。
挖墳就是指即使你前面發布的視頻反饋不是很好，但是突然有一條視頻的反饋很好用戶很喜歡，平台就會認為你的視頻受用戶喜歡便會扶持你，而喜歡你視頻的用戶往往會去你的主頁看其它視頻，越點越看平台就會認為你的其餘視頻也很受歡迎，所以還會推薦你的老視頻。
與之相反的是，即使前期你的視頻反饋很好流量很大，但只要有一條視頻違規你的賬號就會被降權從而被限流或者封號。所以千萬不要因為自己的粉絲有點多了而沾沾自喜，要居安思危，時時刻刻維護好自己的賬號才是王道。
五、流量池
抖音有低級流量池、中級流量池、高級流量池之分，不同權重的賬號會被分配到不同的流量池，也就會獲得不同的曝光量。
被分配的高低取決於內容的受歡迎程度。
上述的5個作品的反饋數據（含播放完成率）非常重要，根據這五個參數平台會將你分配到相應的流量池。可以說是影響你的賬號能不能做起來的直接因素，如果持續一周發布的作品播放量在 100 以下就會被視為低級號或者是廢號，平台很少會給推薦；持續一周發布的作品播放量徘徊在300左右的號為最低權重號只會被分配到低級流量池，要是一個月後沒有突破300左右的播放量同樣會被視為僵屍號。
播放量持續上千則是待上熱門賬號，只需要蹭蹭熱點就可以輕松熱門了。
如果賬號的流量一直上不去就放棄那個賬號，重新申請一個賬號來玩兒吧，因為再怎麼搞它都很有可能是那樣。
上面講的是抖音演算法，我們摸清了演算法就能投機取巧地引導抖音給我們打上優質用戶的標簽，從而提高賬號權重分配給我們更多流量。
六、禁忌
1、視頻裡面帶有硬廣、LOGO、水印、煙酒、紋身、涉政、詆毀侮辱他人、著裝暴露、內容低俗不雅、色情與頻繁私信粉絲、抄襲、冒充抖音官方人員、帶有黃賭毒血腥武器（刀槍等）的視頻可能會不給通過。如果被抖音檢測到有違規行為便會受到一定處罰：
（1）限制流量，屏蔽熱門。這個主要是因為廣告太多和頻繁抄襲導致。
（2）屏蔽某些功能或者限制使用某些功能。這個主要是因為抖音檢測到你在利用某些功能頻繁發廣告，例如私信別人。
（3）刪除視頻並且封號數日。這個主要是因為內容低俗或者存在很大爭議導致。
（4）關進小黑屋，永久封號。違規嚴重或者多次違規就會被封號。
2.使用模擬器頻繁登錄賬號。
（1）頻繁切換帳號
（2）同IP下掛十幾個賬號
七、賬號優化
1.前期養號，提高權重。
上面講了平台有演算法系統檢測我們的賬號是否為營銷號；如果是會被直接封號，即使沒有打廣告用嶄新的號發布的視頻也得不到什麼流量扶持，因為你前期沒有任何操作，平台也無法判斷你是什麼領域的賬號，無法給你打標簽，所以系統不會多作推薦。
我們剛注冊一個賬號，第一件事就是養號。無論什麼平台都是這樣，養號無非就是模擬人工操作，例如每天去刷視頻（一個一個的看完）、關注別人、給別人的內容點贊評論轉發、每天至少看半小時的直播（也可以把直播打開不看就掛在手機上）。
賬號至少也得養3天，最好養一周。大家關注別人的時候可以去關注自己的同行。賬號養到3天左右我們就可以綁定手機然後將賬號信息一一完善。
賬號又分為兩種：
（1）自用號：用戶拿手機號注冊的賬號；在真正使用且活躍，這類帳號的權重比較高。
（2）三方號：用QQ、微信、微博等第三方平台登錄的帳號，沒有用手機注冊也沒有綁定手機。
2.後期日更，保持活躍。
日更好的內容能使系統檢測你是一個活躍的優質的賬號因此平台不會降你的權。
八、內容優化
1.垂直。你是做美容類的視頻就不要發一些與美容無關的視頻，以免系統不能准確識別你是什麼領域的賬號從而給你打錯標簽或者不打標簽，這樣會導致你的賬號權重上不去導致流量少與不精準。
2.原創。最好不要抄襲，其實搬運別人的視頻比自己拍一個視頻還麻煩而且搬運越來越玩不起來啦。
3.蹭熱點話題和熱門音樂。沒事兒多參與熱門話題，用用熱門音樂效果會更好。老王不是讓你什麼話題最熱就去蹭什麼話題，找與自己領域相關同時又很火的話題去蹭！
4.7-15 秒。視頻時間太短表現不出什麼，沒有可看性；太長又影響完播率，所以前期視頻控制在 7-15 秒為最佳。
5.豎屏拍攝。抖音這個產品設計時就是以豎屏為主，用戶習慣也是豎屏刷視頻，豎屏的播放率會比橫屏高。
6.參與挑戰。尤其是官方發起的挑戰，它的目的就是引導用戶發布此類的視頻，所以會給予一定的支持。
7.拍攝內容高清勿模糊。拍的時候買一個手機支架保持穩定性，再買一個補光燈讓自己拍出來的視頻是明亮簡潔的，這些東西上淘寶百元內就可以搞定。
九、發布優化
1.在12：00—2:00；6:00—11點發布。這些時間段休息的人多，閑著刷抖音的人也多所以在這個時間段發布很容易被刷到。要注意的是我們最好提前10分鍾發布因為平台會有一個審核時間，這個審核時間快則一兩分鍾慢則十幾分鍾。
2.定位到人群密集的地方發布。還記得老王講過抖音有一個優先向附近的人推薦的機制嗎？
3.積極引導點贊、評論、分享。
4.視頻的文案描述。描述可以以疑問句等方式出現從而引導觀看的人點贊評論轉發。
5.@抖音小助手。這個不做過多解釋，之前講過很多。
6.參與話題。和玩微博的話題一樣，可以增加一定的曝光。
7.封面。封面做的好別人更有慾望看。
以上就是抖音的簡單演算法以及優化建議，希望對你有幫助！

8. 快手推薦第一個人是什麼意思

快手推薦第一個人是大數據推薦演算法的意思。
快手推薦演算法核心就是標簽，你關注的人本身有標簽，跟據你關注的人給你打標簽，然後再把這些標簽的視頻推薦給你。
大數據推薦演算法，你關注了一個美女，系統就判斷你喜歡看美女，就給你推薦更多美女讓你看個夠，這就是你越喜歡看啥，就給你推薦啥。