為何刷了就停不下來？TikTok 首次揭秘短視頻推薦算法工作機制

抖音海外版TikTok在全球大火，靠著精準的視頻推薦和社交屬性，成為中國科技公司出海的優(yōu)秀案例。

和其他社交媒體平臺和應用程序一樣，TikTok的主要競爭點就在于個性化的算法推薦。但是，TikTok推薦系統(tǒng)的幕后工作方式對外界而言始終是個謎。

就在今天，TikTok在海外官方博客發(fā)表了一篇文章，詳細介紹了推薦算法的工作機制，以及如何針對用戶進行加權運算，以實現(xiàn)精準推薦的。

總的來說，TikTok的推薦算法是基于輸入因素構建的，這與YouTube測量和監(jiān)控參與度的方式有些相似。人們與應用程序的交互方式、發(fā)布的評論或關注的帳戶，都會影響到推薦。比如，如果某人只關注了可愛的動物帳號，也只點贊或評論與動物有關的短視頻，那么TikTok就會提供更多這類視頻。

哪些行為和信息在推薦系統(tǒng)計算范圍內

如今，不只是TikTok，任何社交平臺上都運用到了推薦系統(tǒng)，這些系統(tǒng)每天給我們推薦各種服務，從購物到流媒體再到搜索引擎，個性化體驗也都是得益于推薦系統(tǒng)的逐漸完善。

通常來說，推薦系統(tǒng)會在考慮到用戶的偏好后進行初步的內容建議，這些偏好是從用戶與應用程序的交互中揣測出來的，比如發(fā)布的評論或關注的帳戶。這些都有助于推薦系統(tǒng)對用戶的喜好進行深入評估。

在TikTok上，F(xiàn)or You反映了每個用戶的不同喜好，系統(tǒng)能夠通過基于多種因素對視頻進行排名來推薦內容，從注冊成為新用戶開始，逐漸根據(jù)用戶行為進行調整，最終生成個性化的For You系統(tǒng)。

這些用戶行為包括如下多方面：

用戶互動：喜歡或共享的視頻，關注的帳戶，發(fā)布的評論以及創(chuàng)建的內容；

視頻信息：包括字幕、聲音和主題標簽等詳細信息；

設備和帳戶設置：包括語言偏好設置，國家/地區(qū)設置和設備類型。

這些信息都由推薦系統(tǒng)進行處理，隨后根據(jù)對用戶價值進行加權。根據(jù)興趣強弱指標，比如用戶是否從頭到尾結束觀看較長的視頻，或者視頻的觀看者和創(chuàng)作者是否都在同一國家/地區(qū)等，進行綜合權衡，強指標會獲得更大的權重。

不過可能存在這樣一種情況，就是一個賬號因為擁有更多的關注者，從而導致觀看次數(shù)更高，因此在進行推薦的時候，關注者人數(shù)和該帳戶是否此前有過高質量的推薦視頻都不在推薦系統(tǒng)計算范圍之內。

官方指南：如何為自己定制個性化內容

如果你是TikTok新手，那么應該如何培養(yǎng)自己的推薦系統(tǒng)？在這篇博客里，TikTok也給出了官方指南。

首先，在注冊成功后，新用戶會要求選擇感興趣的類別，例如寵物或旅行，根據(jù)這些標簽進行初階的內容推薦。當然，如果你足夠倔強，不選擇感興趣的標簽，系統(tǒng)就會優(yōu)先推薦熱門視頻。

不過，不管是前者還是后者，隨著系統(tǒng)更多了解你的內容喜好，推薦機制也將會越來越精確。

在此基礎上，每次互動也都會幫助系統(tǒng)了解興趣，做出內容推薦，也就是說，管理For You推薦系統(tǒng)的最佳方法是多多使用該軟件。

除了對推薦內容的參與度之外，影響For You系統(tǒng)的因素是多維的，比如，在“發(fā)現(xiàn)”頁上探索主題標簽、聲音、效果和趨勢主題，所有這些都是定制你的體驗并將新內容加入算法的辦法。

當然，算法肯定也都有失算的時候，TikTok平臺上也注冊了許多有著不同興趣和觀點的創(chuàng)作者，當算法向你推薦了你不感興趣的視頻，只需長按視頻，點擊“不感興趣”即可。你也可以選擇不看指定創(chuàng)作者的視頻，或舉報與TikTok社區(qū)準則不符的視頻。這些操作也都將影響到未來的內容推薦。

當把算法系統(tǒng)培養(yǎng)得足夠了解自己，就面臨著一個新的問題，信息繭房，或者說過濾氣泡。為了打破這個“氣泡”，除了已知感興趣的內容外，系統(tǒng)也會把其它類型的視頻穿插在其中，這其中可能包括和你有著相同興趣的用戶感興趣的視頻，但不會出現(xiàn)以前被標記為垃圾的視頻。

有時你可能會在推薦視頻中看到與你興趣無關或吸引了很多點贊的視頻，這也是推薦方法重要的組成部分，在For You中添加各種視頻，讓你有更多機會瀏覽新的內容類別，發(fā)現(xiàn)新的創(chuàng)作者，同時發(fā)表你的看法和觀點。通過這種方法，系統(tǒng)還可以更好地了解廣大受眾中的熱門話題，為其他用戶提供更好體驗。

在安全性上，如果在內容中出現(xiàn)不雅信息，系統(tǒng)會做出“如果向普通受眾推薦視頻，可能會令人震驚”的判斷，進而不會推薦該視頻。同樣，剛剛上傳或正在審核的視頻，以及垃圾郵件內容也不會符合推薦資格。

可以想見，開發(fā)和維護推薦系統(tǒng)是一個長期的過程，用戶、研究和數(shù)據(jù)的反饋都對推薦系統(tǒng)的準確性有著重要影響，也有助于調整模型并重新評估推薦的因素和權重。

許多用戶試圖弄清楚玩轉TikTok的方法，以獲取更多觀看次數(shù)，最終這都要歸結到算法推薦工具上。如今，TikTok再次拉開了帷幕，不知道你有沒有準備好迎接這波機遇。