推薦演算法原理

『壹』 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。

『貳』 推薦演算法模型原則~運營推廣

網店運營：推薦演算法建模原理。
直通車，手淘搜索，手淘首頁推薦兩個核心原則：第一，標簽匹配度高優先，第二，權重高優先。
標簽匹配，有顧客標簽和寶貝標簽，顧客標簽包括瀏覽痕跡和購買記錄，有些顧客標簽比較模糊。嬰兒標簽包括成交記錄，顧客搜索你的嬰兒然後成交，顧客標簽和搜索關鍵字給嬰兒打標簽。
先基本加權店權，再基本加權點擊率、轉化率、坑產、評價。半標品基本是銷量權重越大越好。非標品的熱度權重較高。
總之，演算法模式在淘寶上都是為了使顧客能夠快速找到他們需要的產品，並獲得滿意的產品。還能使公司利潤最大化。很多商店不能做到這一點，是因為同行競爭太激烈，功夫再高也比不上菜刀。
網店運營中，如何做好主圖和直通車圖點擊率高。
淘寶店的運作。
銷售不到300的寶貝(對標同店銷售超過10000個)，最好的辦法就是搞優惠活動。
然後是銷售300以上(對標同店最高1萬以上)，方法二：
淘寶店的運作。
在同類公司中研究一下銷量前10名的主圖和他們的汽車圖，看看他們的汽車圖就知道了，汽車圖很費時找，再結合他們的優勢做主圖和車圖。
叫客服統計的客戶咨問做多了有什麼問題？把客戶關心的問題列出來，製作一個表格，統計15天的數據，找出三個客戶最關心的問題，然後把客戶關心的三個問題以圖表的形式展示出來，這樣就可以消除客戶關心的三個問題。

『叄』 如何做好「推薦演算法」有哪些常見的錯誤需要避免

在這里share一下。
1、推薦演算法的構成
一套標準的推薦演算法，需要四個組成部分
第一：數據源，行為基礎數據的篩選；通常，推薦演算法來源於用戶行為的採集，簡單說就是行為數據越豐富，樣本覆蓋率越全面，結果越准確；如果采樣有偏差，那麼結果就會有偏差。
舉例1：游戲推薦演算法，我們之前限於采樣技術水平和處理能力，用的是登陸用戶玩過的游戲歷史，那麼推薦結果就會偏重於需要登陸的游戲。而隨著技術提升用全部用戶玩過的游戲歷史，就更全面了。
舉例2：在搜索引擎中，對關鍵詞做推薦，有兩種方案，一種是基於廣告主的競價記錄；另一種是基於網民的搜索行為；前一種專業性更強，噪音小；後一種覆蓋面廣，噪音大，各有利弊，根據業務訴求選擇。
推薦演算法，通常來源於用戶的行為記錄，比如關鍵詞推薦用用戶搜索歷史，電商推薦用用戶購物歷史，游戲推薦用玩家玩游戲的歷史，然後基於演算法給出相關度，再排序展示 ；但這不絕對，也有並非基於用戶行為記錄的推薦原理，比如基於用戶身份特徵或其他地區、網路環境等特徵，限於篇幅和常見的業務訴求，這里就不展開說明了。
行為基礎數據必要時要做一些去除噪音的工作，比如你通過日誌分析玩家游戲歷史，或用戶購物歷史，至少知道把各搜索引擎和工具的抓取痕跡過濾出去，否則結果是很難看的。
演算法很多種，網上可以搜到很多，就算搜不到，或者搜到了看不懂，自己編也不難的（我就編過，效果自以為還不錯，但是的確不如人家專業的演算法效果好，所以適合練手，不適合出去吹牛）
不同演算法差異還是蠻大的，需要理解一下業務訴求和目標特徵來選擇。這個我真心不是高手，我們同事講的演算法我都沒能理解，就不多說了。微博上的「張棟_機器學習"和"梁斌penny"都是演算法高手，大家可以多關心他們的微博。
第三：參數！
絕對不要認為用到了好的演算法就可以了！演算法往往會基於一些參數來調優，這些參數哪裡來？很不好意思的告訴你，大部分是拍腦袋出來的。但是你拍腦袋出來後，要知道去分析結果，去看哪裡對，哪裡錯，哪裡可以改，好的演算法可以自動調優，機器學習，不斷自動調整參數達到最優，但是通常可能需要你不斷手工去看，去看badcase，想想是什麼參數因素導致的，改一下是否變好？是否引入新的bad case？
第四：校驗！
校驗一種是人工做盲測，A演算法，B演算法的結果混淆，選案例集，看哪個效果好；或A參數、B參數混淆，同理測試。通過盲測選擇認為更合理的演算法、更適宜的參數.
以上是個人認為，做好推薦演算法的步驟
下面說一下常見問題
1、以為有了演算法就ok了，不對參數優化，不做後續的校驗和數據跟蹤，效果不好就說演算法有問題，這種基本屬於工作態度的問題了。
2、對樣本數據的篩選有問題，或缺乏必要的噪音篩查，導致結果噪音多。比如你有個推廣位天天擺著，導致用戶點擊多，然後導致後台行為數據里它和誰的關聯都高，然後不管用戶到哪裡都推薦這個玩意，這就是沒有足夠篩查。
3、熱度影響
我說一下最簡單的推薦演算法
同時選擇了A和B的人數作為A與B的關聯度。
這個實現最簡單，也最容易理解，但是很容易受熱度影響
我曾經注意過某個熱門圖書電商網站，推薦的關聯書籍一水的熱門書籍，就是這個問題。
這些是非常簡單但是又非常容易出現的，關聯誤區。
4、過於求全
現在也遇到一些朋友，一提到推薦演算法或者推薦系統，就說我這個要考慮，那個要考慮，不管是行為記錄，還是用戶特徵，以至於各種節日效應，等等等等，想通過一個推薦系統完全搞定，目標很大，所以動作就極慢，構思洋洋灑灑做了很多，實現起來無從下手，或者難以寸進；我覺得，還是量力而行，從最容易下手的地方開始，先做到比沒有強，然後根據不斷地數據校驗跟蹤，逐漸加入其他考慮因素，步步前進，而不要一上來就定一個宏偉的龐大的目標；此外要考慮實現成本和開發周期，對於大部分技術實力沒有網路，騰訊，淘寶那麼強的公司而言，先把簡單的東西搞好，已經足夠有效了，然後在運營數據的基礎上逐次推進，會越來越好；有些公司是被自己宏大的目標搞的焦頭爛額，最後說，哎，沒牛人搞不定啊。嗯，反正他們的目標，我顯著是搞不定的。就這些，希望有所幫助

『肆』 抖音熱門推薦機制是怎麼計算的

抖音的演算法是怎麼回事？——天津歐思創科技有限公司

簡單地說：抖音的演算法，其實是一個漏斗機制，跟今日頭條的去中心化的推薦演算法原理基本一致。
它分為三個步驟：
第一，冷啟動流量池曝光
假設每天在抖音上有100萬人上傳短視頻，抖音會隨機給每個短視頻分配一個平均曝光量的冷啟動流量池。比如，每個短視頻通過審核發出後，平均有1000次曝光；
第二，數據挑選
抖音會從這100萬個短視頻的1000次曝光，分析點贊、關注、評論、轉發等各個維度的數據，從中再挑出各項指標超過10%的視頻，每條再平均分配10萬次曝光。然後再去看哪些是點贊、關注、轉發、評論是超過10%的，再滾進下一輪更大的流量池進行推薦。
第三，精品推薦池
通過一輪又一輪驗證，篩選出來點贊率、播放完成率、評論互動率等指標都極高的短視頻才有機會進入精品推薦池，用戶打開時，看到的那些動輒幾十上百萬點贊量的視頻就是這么來的。
接下來分享的所有干貨和技巧，都是緊緊圍繞著最核心的一點：通過提升點贊量、關注量、評論量、轉發率等指標，獲得更大的官方精準推薦，贏得更大的曝光。

『伍』 網易雲音樂每日歌曲推薦的原理是什麼

我也曾經在思考 為什麼有時候網易推送的歌曲這么沁入心脾 正好是我想聽的或者正好是我紅心的調調 後來我理性的統計了下 其實日推到後面很多時候是不準的 一次日推可能只有1-2個紅心 當然除非你聽歌不是雜食 比如你只愛聽古典 那推送的紅心幾率就很大 比如你只聽雷鬼音樂 那推送的風格正好符合你的愛好 那對於雜食的人來說 其實這種推送也就是在「猜悶」那到底准不準呢 因人而異吧 只能說網易這方面做的工作相對其他軟體提前了一些 什麼員工篩選 我是打死也不信的。

『陸』 抖音短視頻如何用演算法快速上熱門

沒有播放量?沒有曝光?沒有點贊?個人號被判是營銷號，企業號是僵屍號，那麼我們應該怎麼做呢？

一、抖音引流6大核心
1：視頻需要7秒以上。
2：盡量作品以豎屏為先，橫屏盡量少發。
3：上傳視頻時，建議選擇一個類別並添加匹配的標簽。
4：不能硬植入廣告。
5：視頻不得出現水印和圖像質量模糊等問題。
6：一定不能有不良的操作，比如說出現武器、出現一些不該出現的鏡頭和畫面。
二、抖音基本的運營思路
1.定位
定位的重要性是眾所周知的。
說白了定位是找到你擅長的分類，並繼續加深內容以吸引目標用戶的關注。
大多數人不定位是因為他們沒有自己的特色。即使今天的運氣好，蹭熱點上了熱門，明天就不知道發什麼了，很難吸引用戶。因此只有給賬號定位，才是可持續發展的道路。
2.拍攝思路與形式
設備跟上，製作精良
原創性和質量必須要高。抖音與快手、火山相比，它要求視頻的整體風格應該是酷炫和年輕化。它還需要一定程度的圖像質量和拍攝技巧。總而言之質量要求相對較高。
保證每一幀的質量，提高完成率
你必須快速進入主題並充分利用每一幀畫面。否則觀眾會隨時離開。完播率上不去，演算法會認為您的視頻質量較差，不被推薦出去。
3.真人出鏡
我們與抖音官方是有對接，我可以負責任地告訴你抖音更願意支露臉的賬號，這與抖音的社會屬性是分不開的。
所以起初我們的視頻沒有真人出境，但現在他們大大增加了真人出境的頻率。
4.顏值過關
對於手快的用戶來說他們對顏值是非常寬容的，你可以看到很多普通人表現出他們不那麼漂亮的一面。但如果你想在抖音里火起來的話，至少你不能丑或邋遢。
因此我們會找顏值比較高的來做視頻的主角進行拍攝。
5.跟上熱門挑戰
最近抖音新上線了一個比較熱門的挑戰。現在參與的人不多。如果你判斷這個話題存在火的潛力，這個時候快速跟進去做一些模仿的內容，就很可能上推薦。
抖音的內容有三個入口，第一個是推薦，第二個是關注，第三個是挑戰。
這與微博熱搜的原理相同。你可能無法自己創造熱點，但你可以趕上熱點的旅程。
三.編輯
通過編輯您可以使內容以更好的形式展現。這個屬於專業人士的業務，簡單談3點要注意的：
1.背景音樂
選音樂主要有2個標准，第一是和視頻內容完美配合，這是最好的；如果這點做不到，那就選擇用戶認知度比較高的音樂，例如像《說散就散》《海草舞》之類的，用戶還是很買單的。
2.特效
抖音提供快放，慢放，反向播放和節選段落循環放等功能。具體的玩法各不相同，所以你可以嘗試一下。
3.標題、封面
這和公眾號原則一樣，對內容的播放量、完播率、分享量和點擊都有很大的影響。
另外在視頻播放過程中，標題實際上就成了一個備注，如果設置得當也可以起到很大的作用。
比如和內容配合起來玩梗，或者引導用戶留言評論等。
四.發布、維護
1.發布時間
這個邏輯很簡單——什麼時候用戶多，就什麼時候發布。
在正常情況下互聯網產品將在中午有一個高峰期，而下班後大約19：00~23：00是另一個高峰期。您可以選擇發送這些時間段，但有許多用戶在凌晨都有在用的。
2.善用評論
我們每天都有很多用戶評論，我們需要有專門的人來維護用戶的評論，即回應用戶的問題並與用戶互動。
如果這個環節做得好，活躍度和忠誠度將會大大提高。
其實每個人都可以將其視為一個運營位置。因為抖音現在現在是沒有開放多少運營位置給賬號的，我們只能夠在頭像、簽名介紹自己的產品。
這時我們可以去評論里引導用戶，通過作者的回復，引導轉換成你的粘性用戶，比如引導到微信等。
如果企業想要在抖音的用戶中曝光的話，也是可以考慮做抖音的，畢竟它是一個有著 2 億多用戶的巨大流量池。

『柒』 推薦演算法有哪些

推薦演算法大致可以分為三類：基於內容的推薦演算法、協同過濾推薦演算法和基於知識的推薦演算法。 基於內容的推薦演算法，原理是用戶喜歡和自己關注過的Item在內容上類似的Item，比如你看了哈利波特I，基於內容的推薦演算法發現哈利波特II-VI，與你以前觀看的在內容上面（共有很多關鍵詞）有很大關聯性，就把後者推薦給你，這種方法可以避免Item的冷啟動問題（冷啟動：如果一個Item從沒有被關注過，其他推薦演算法則很少會去推薦，但是基於內容的推薦演算法可以分析Item之間的關系，實現推薦），弊端在於推薦的Item可能會重復，典型的就是新聞推薦，如果你看了一則關於MH370的新聞，很可能推薦的新聞和你瀏覽過的，內容一致；另外一個弊端則是對於一些多媒體的推薦（比如音樂、電影、圖片等)由於很難提內容特徵，則很難進行推薦，一種解決方式則是人工給這些Item打標簽。 協同過濾演算法，原理是用戶喜歡那些具有相似興趣的用戶喜歡過的商品，比如你的朋友喜歡電影哈利波特I，那麼就會推薦給你，這是最簡單的基於用戶的協同過濾演算法（user-based collaboratIve filtering），還有一種是基於Item的協同過濾演算法（item-based collaborative filtering），這兩種方法都是將用戶的所有數據讀入到內存中進行運算的，因此成為Memory-based Collaborative Filtering，另一種則是Model-based collaborative filtering，包括Aspect Model，pLSA，LDA，聚類，SVD，Matrix Factorization等，這種方法訓練過程比較長，但是訓練完成後，推薦過程比較快。 最後一種方法是基於知識的推薦演算法，也有人將這種方法歸為基於內容的推薦，這種方法比較典型的是構建領域本體，或者是建立一定的規則，進行推薦。 混合推薦演算法，則會融合以上方法，以加權或者串聯、並聯等方式盡心融合。 當然，推薦系統還包括很多方法，其實機器學習或者數據挖掘裡面的方法，很多都可以應用在推薦系統中，比如說LR、GBDT、RF（這三種方法在一些電商推薦裡面經常用到），社交網路裡面的圖結構等，都可以說是推薦方法。

『捌』 抖音的推薦是什麼原理

抖音是一個去中心化的音樂創意短視頻社交平台，這就意味著任何一個小號都有機會擁有百萬粉絲甚至千萬粉絲。即便我們是新號，只要我們的內容受歡迎，就會被越來越多的人關注。

視頻上傳之後抖音官方會檢測視頻是否違規，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，抖音官方會把違規的視頻打回或者被限流（只有你自己可以看見你發布的內容）。不違規的話官方會進行一個隨機推薦，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以及我們關注的人；然後才是配合用戶標簽與內容標簽進行智能分發。

抖音的推薦主要有以下幾個流程：

1、機器審核

機器審核也是系統的初審，主要的目的是為了判斷視頻的風險級別，根據風險級別的不同分發給不同的審核人員，在抖音發布的內容往往可以非常效率地通過機器審核。

2、加權推薦

只要發布的視頻是無違規的正常內容，那麼都會得到一定量的加權推薦，保證一個新的作品能夠展示給一部分用戶，這也是抖音的魅力所在。

3、疊加推薦

在經過加權推薦後，系統就可以根據這些收集到的反饋（完播、點贊、評論、轉發、關注），進行內容的質量判斷。受歡迎的內容會進行進一步的推薦，而不受歡迎的內容則會被縮緊推薦。

在疊加推薦的同時，系統如果收到許多異常數據，如負面評論增加、舉報增多，則視頻會再次進入審核流程，相比初次審核將會更加嚴格。

『玖』 有人知道抖音的推薦機制是什麼呢抖音的規則是什麼呢怎麼利用系統推薦獲得流量

1-5000-100:就是說你發布的視頻,最好能在1小時之內,播放量突破5000,而點贊量能大於100,那麼,得到系統推薦的機率就大很多了。
四個維度：完播量，點贊率，轉發數，評論互動數
發布時間:最好在中午11-13點,下午5-7點,晚上9-11點進行發布,這三個時間段是用戶訪問的高峰期,你視頻發布後基本上系統是會給一些流量推薦的。