抖音短视频的内容算法开始，学习抖音信息流引爆淘宝店铺站外流量

　　今年上半年，通过抖音信息流的实际运行，几类产品的流量改变了站内流量的下降趋势；而抖音直通车引爆了站外交通，突破了站内交通的瓶颈，引爆了一票产品。

　　今天，我将与大家分享抖音短片的内容算法。如果您喜欢，您将详细分享——如何通过抖音信息流和抖音直通车来扭转商店的交通瓶颈！

　　短视频内容从算法

　　一、推荐算法：基于用户行为的协同过滤；

　　协同过滤的基础：以用户的消费行为为特征，利用它进行用户相似度或项目相似度技术来匹配信息。

　　合作推荐：

　　基于项目：首先确定用户喜欢的项目，然后向用户推荐相似的项目。

　　基于用户：首先，找到与某个用户口味相似的人，并向抖音信息流用户推荐这些人喜欢的新东西。

　　基于模型：根据用户偏好建立算法模型，实时预测用户可能的点击率。

　　二、推荐机制：

　　基于垂直个性化的视频推荐

　　基于用户的消费历史推荐

　　基于热门列表的推荐

　　基于流行的推荐

　　基于连续观看的场景：

　　基于用户尚未阅读完的内容或正在追逐的剧情进行推荐；

　　综合考虑上次查看的时间和行为，并动态排序；

　　基于用户行为，考虑共享账户，推断当前用户是谁；

　　基于搜索场景：

　　在搜索场景中，主要用户搜索关键词和补充推荐的搜索结果；

　　三、最简单的推荐方式是标注：

　　标签：在不同的应用场景中，标签以有针对性的方式投射，抽象出来的东西更具表现力，抖音信息流具有更显著的特征。多个不同的标签可以用来交换最大化信息匹配效率。

　　有必要考虑标签分类的权威性和信息的完整性，以避免因节点覆盖不完全或分类错误而导致的用户认知问题。

　　标签输出：

　　1.为了更好的标注，借助产品层的调整和指导，使抖音信息流用户标注的输出；

　　2.根据某个纬度的特征，将相关的项目组合起来，告诉你这个项目类似于哪一组。

　　四.推荐服务的目标：

　　对于产品的主要场景，用户保留是第一目标，并且只有在用户被留下的情况下才可能继续探索，因此推荐机制的目标是保留用户。

　　五、推荐系统评价指标；包括推荐准确性和推荐覆盖范围。

　　推荐精度：

　　在推荐系统中，推荐的准确性体现在对用户点击率和点击率的预测以及对消费的预测上；

　　推荐覆盖范围：

　　一个好的推荐系统也可以为用户提供视野之外的内容；推荐的覆盖范围相对较大。

　　在评估用户的显示历史时，各种主题、类别和主题的丰富度被作为评估指标。丰富程度越高，覆盖面越大，个人体验的多样性就越好。推荐系统评价指标，包括视频内容的早期预测；客观地说，这也是对视频内容与人之间联系的一种后验证。我们需要在抖音信息流数据指标的基础上关注视频制作的丰富性，以帮助系统更好更快地找到潜在用户。

　　六、优化内容和冷启动

　　如何优化？

　　表示层：探索不同的想法，面对不同的人群，为产品找到更适合人们的表达形式；

　　技术层：尽可能挖掘和改进不同载体的特性和重量；

　　作者层；改善内容信息，例如为视频添加简介和注释；或者结合当前热点创建。

　　论冷启动的内容

　　基于文本，分析提取的内容或产品的关键词，并根据关键词构建产品群体的肖像。

　　冷启动用户：

　　在冷启动阶段，新用户更喜欢流行内容，而老用户需要长尾内容。我们需要在抖音信息流有限的展会中尽快确定用户的主要偏好，并将我们产品的卖点与用户的偏好结合起来。

　　检测用户偏好和选择内容的基本策略是：根据现有用户组的偏好统计选择差异化的内容；按照覆盖范围从大到小的顺序；

　　探索用户的偏好，以便尽快找到用户的主要兴趣点，并推荐与此兴趣相关的产品内容，以换取更高的点击率。

　　当新用户成为老用户时，推荐系统在短期保留用户的前提下，在一定程度上牺牲了短期点击率，从而发掘用户更广泛的兴趣，从而提高用户的长期保留率。

　　兴趣探索

　　对于推荐系统来说，用户兴趣的探索是一个不可分割的环节，可以从内容交付和用户消费的抖音信息流角度进行探索。

　　内容投放角度：

　　1.利用细分的产品卖点引导新品类和品牌的加权分布，将整体人群的强势展示转化为特定群体的强势展示，以换取可能更高的点击率。

　　2.探索老用户的新兴趣可以概括为“效果时间”。只要用户长时间停留在应用程序中，系统就有机会通过各种抖音信息流中低频方式获取用户的数据，以改善用户的形象。

　　用户消费：

　　1.随着用户停留时间的增加，用户会采取更多的主动行为，如评论、关注、搜索、调整频道顺序、主动访问不同的功能页面或产生消费等。这些活动动作将为用户的肖像添加新信息。

　　2.另一方面，该系统将根据用户的现有偏好探索更多的兴趣。例如，在用户开始感冒后，系统将根据统计数据测试喜欢甲的用户，他们喜欢乙的可能性有多大，喜欢甲和乙的用户喜欢丙的可能性有多大；从而向用户推荐新领域的内容，逐步探索和完善用户肖像。

　　用户肖像数据分为两类

　　动态：显性或隐性行为，如表扬、评论、分享、关注等。由用户在产品场景中生成。不同的产品场景对不同的行为有不同的权重。

　　静态：用户独立于产品场景之外的属性，如：性别、年龄、婚姻和育儿状况等。

　　基于上述内容算法，颤音短视频可以作为产品的视频内容，具有准确的人群定位，探索用户的内容兴趣和丰富性。抖音信息流产品的视频做得很好，通过颤音直通车可以更好的引爆车站的人流，创造出适合所有人群的大型爆炸模型！

　　这里先分享一下短视频内容算法的抖音数据基本理论，这样我们可以先思考和消化一下。