推荐算法原理

‘壹’ 抖音的推荐机制是利用的什么原理

首先抖音平台的流量分发是有几个等级的。那么我们刚发上去的视频都会被放到初级流量池中，给一个最基础的流量几百或者几千个播放量，然后通过看过这些视频的用户行为来判断是不是继续给这个视频流量。那么有哪些行为呢？

用户在看视频时停留的时间长度，是看完了，还是没看几秒就划过去了?还是重复的看了几遍？也就是我们所说的，完播率和复播率。看完了证明这个视频他比较有兴趣看完，看了几遍有可能是很喜欢这个视频。

那么这个用户对这个视频很喜欢他点了赞并且写了评论，还把视频转发给朋友，还下载下来了。并且有这个行为的用户有很多发给100个人看有八九十都是很喜欢，那么抖音平台就会把这个视频发给更多的人看，就进入到下一个级别的流量池了。那么越来越多的人看到了，越来越多的人喜欢，这个视频得到平台的流量推送也就原来越多了。

所以决定一个视频的推送流量是通过用户的六种行为决定的：完播率、复播率、点赞率、评论率、转发率、停留时间。

‘贰’ 推荐算法模型原则~运营推广

网店运营：推荐算法建模原理。
直通车，手淘搜索，手淘首页推荐两个核心原则：第一，标签匹配度高优先，第二，权重高优先。
标签匹配，有顾客标签和宝贝标签，顾客标签包括浏览痕迹和购买记录，有些顾客标签比较模糊。婴儿标签包括成交记录，顾客搜索你的婴儿然后成交，顾客标签和搜索关键字给婴儿打标签。
先基本加权店权，再基本加权点击率、转化率、坑产、评价。半标品基本是销量权重越大越好。非标品的热度权重较高。
总之，算法模式在淘宝上都是为了使顾客能够快速找到他们需要的产品，并获得满意的产品。还能使公司利润最大化。很多商店不能做到这一点，是因为同行竞争太激烈，功夫再高也比不上菜刀。
网店运营中，如何做好主图和直通车图点击率高。
淘宝店的运作。
销售不到300的宝贝(对标同店销售超过10000个)，最好的办法就是搞优惠活动。
然后是销售300以上(对标同店最高1万以上)，方法二：
淘宝店的运作。
在同类公司中研究一下销量前10名的主图和他们的汽车图，看看他们的汽车图就知道了，汽车图很费时找，再结合他们的优势做主图和车图。
叫客服统计的客户咨问做多了有什么问题？把客户关心的问题列出来，制作一个表格，统计15天的数据，找出三个客户最关心的问题，然后把客户关心的三个问题以图表的形式展示出来，这样就可以消除客户关心的三个问题。

‘叁’ 如何做好“推荐算法”有哪些常见的错误需要避免

在这里share一下。
1、推荐算法的构成
一套标准的推荐算法，需要四个组成部分
第一：数据源，行为基础数据的筛选；通常，推荐算法来源于用户行为的采集，简单说就是行为数据越丰富，样本覆盖率越全面，结果越准确；如果采样有偏差，那么结果就会有偏差。
举例1：游戏推荐算法，我们之前限于采样技术水平和处理能力，用的是登陆用户玩过的游戏历史，那么推荐结果就会偏重于需要登陆的游戏。而随着技术提升用全部用户玩过的游戏历史，就更全面了。
举例2：在搜索引擎中，对关键词做推荐，有两种方案，一种是基于广告主的竞价记录；另一种是基于网民的搜索行为；前一种专业性更强，噪音小；后一种覆盖面广，噪音大，各有利弊，根据业务诉求选择。
推荐算法，通常来源于用户的行为记录，比如关键词推荐用用户搜索历史，电商推荐用用户购物历史，游戏推荐用玩家玩游戏的历史，然后基于算法给出相关度，再排序展示 ；但这不绝对，也有并非基于用户行为记录的推荐原理，比如基于用户身份特征或其他地区、网络环境等特征，限于篇幅和常见的业务诉求，这里就不展开说明了。
行为基础数据必要时要做一些去除噪音的工作，比如你通过日志分析玩家游戏历史，或用户购物历史，至少知道把各搜索引擎和工具的抓取痕迹过滤出去，否则结果是很难看的。
算法很多种，网上可以搜到很多，就算搜不到，或者搜到了看不懂，自己编也不难的（我就编过，效果自以为还不错，但是的确不如人家专业的算法效果好，所以适合练手，不适合出去吹牛）
不同算法差异还是蛮大的，需要理解一下业务诉求和目标特征来选择。这个我真心不是高手，我们同事讲的算法我都没能理解，就不多说了。微博上的“张栋_机器学习"和"梁斌penny"都是算法高手，大家可以多关心他们的微博。
第三：参数！
绝对不要认为用到了好的算法就可以了！算法往往会基于一些参数来调优，这些参数哪里来？很不好意思的告诉你，大部分是拍脑袋出来的。但是你拍脑袋出来后，要知道去分析结果，去看哪里对，哪里错，哪里可以改，好的算法可以自动调优，机器学习，不断自动调整参数达到最优，但是通常可能需要你不断手工去看，去看badcase，想想是什么参数因素导致的，改一下是否变好？是否引入新的bad case？
第四：校验！
校验一种是人工做盲测，A算法，B算法的结果混淆，选案例集，看哪个效果好；或A参数、B参数混淆，同理测试。通过盲测选择认为更合理的算法、更适宜的参数.
以上是个人认为，做好推荐算法的步骤
下面说一下常见问题
1、以为有了算法就ok了，不对参数优化，不做后续的校验和数据跟踪，效果不好就说算法有问题，这种基本属于工作态度的问题了。
2、对样本数据的筛选有问题，或缺乏必要的噪音筛查，导致结果噪音多。比如你有个推广位天天摆着，导致用户点击多，然后导致后台行为数据里它和谁的关联都高，然后不管用户到哪里都推荐这个玩意，这就是没有足够筛查。
3、热度影响
我说一下最简单的推荐算法
同时选择了A和B的人数作为A与B的关联度。
这个实现最简单，也最容易理解，但是很容易受热度影响
我曾经注意过某个热门图书电商网站，推荐的关联书籍一水的热门书籍，就是这个问题。
这些是非常简单但是又非常容易出现的，关联误区。
4、过于求全
现在也遇到一些朋友，一提到推荐算法或者推荐系统，就说我这个要考虑，那个要考虑，不管是行为记录，还是用户特征，以至于各种节日效应，等等等等，想通过一个推荐系统完全搞定，目标很大，所以动作就极慢，构思洋洋洒洒做了很多，实现起来无从下手，或者难以寸进；我觉得，还是量力而行，从最容易下手的地方开始，先做到比没有强，然后根据不断地数据校验跟踪，逐渐加入其他考虑因素，步步前进，而不要一上来就定一个宏伟的庞大的目标；此外要考虑实现成本和开发周期，对于大部分技术实力没有网络，腾讯，淘宝那么强的公司而言，先把简单的东西搞好，已经足够有效了，然后在运营数据的基础上逐次推进，会越来越好；有些公司是被自己宏大的目标搞的焦头烂额，最后说，哎，没牛人搞不定啊。嗯，反正他们的目标，我显着是搞不定的。就这些，希望有所帮助

‘肆’ 抖音热门推荐机制是怎么计算的

抖音的算法是怎么回事？——天津欧思创科技有限公司

简单地说：抖音的算法，其实是一个漏斗机制，跟今日头条的去中心化的推荐算法原理基本一致。
它分为三个步骤：
第一，冷启动流量池曝光
假设每天在抖音上有100万人上传短视频，抖音会随机给每个短视频分配一个平均曝光量的冷启动流量池。比如，每个短视频通过审核发出后，平均有1000次曝光；
第二，数据挑选
抖音会从这100万个短视频的1000次曝光，分析点赞、关注、评论、转发等各个维度的数据，从中再挑出各项指标超过10%的视频，每条再平均分配10万次曝光。然后再去看哪些是点赞、关注、转发、评论是超过10%的，再滚进下一轮更大的流量池进行推荐。
第三，精品推荐池
通过一轮又一轮验证，筛选出来点赞率、播放完成率、评论互动率等指标都极高的短视频才有机会进入精品推荐池，用户打开时，看到的那些动辄几十上百万点赞量的视频就是这么来的。
接下来分享的所有干货和技巧，都是紧紧围绕着最核心的一点：通过提升点赞量、关注量、评论量、转发率等指标，获得更大的官方精准推荐，赢得更大的曝光。

‘伍’ 网易云音乐每日歌曲推荐的原理是什么

我也曾经在思考 为什么有时候网易推送的歌曲这么沁入心脾 正好是我想听的或者正好是我红心的调调 后来我理性的统计了下 其实日推到后面很多时候是不准的 一次日推可能只有1-2个红心 当然除非你听歌不是杂食 比如你只爱听古典 那推送的红心几率就很大 比如你只听雷鬼音乐 那推送的风格正好符合你的爱好 那对于杂食的人来说 其实这种推送也就是在“猜闷”那到底准不准呢 因人而异吧 只能说网易这方面做的工作相对其他软件提前了一些 什么员工筛选 我是打死也不信的。

‘陆’ 抖音短视频如何用算法快速上热门

没有播放量?没有曝光?没有点赞?个人号被判是营销号，企业号是僵尸号，那么我们应该怎么做呢？

一、抖音引流6大核心
1：视频需要7秒以上。
2：尽量作品以竖屏为先，横屏尽量少发。
3：上传视频时，建议选择一个类别并添加匹配的标签。
4：不能硬植入广告。
5：视频不得出现水印和图像质量模糊等问题。
6：一定不能有不良的操作，比如说出现武器、出现一些不该出现的镜头和画面。
二、抖音基本的运营思路
1.定位
定位的重要性是众所周知的。
说白了定位是找到你擅长的分类，并继续加深内容以吸引目标用户的关注。
大多数人不定位是因为他们没有自己的特色。即使今天的运气好，蹭热点上了热门，明天就不知道发什么了，很难吸引用户。因此只有给账号定位，才是可持续发展的道路。
2.拍摄思路与形式
设备跟上，制作精良
原创性和质量必须要高。抖音与快手、火山相比，它要求视频的整体风格应该是酷炫和年轻化。它还需要一定程度的图像质量和拍摄技巧。总而言之质量要求相对较高。
保证每一帧的质量，提高完成率
你必须快速进入主题并充分利用每一帧画面。否则观众会随时离开。完播率上不去，算法会认为您的视频质量较差，不被推荐出去。
3.真人出镜
我们与抖音官方是有对接，我可以负责任地告诉你抖音更愿意支露脸的账号，这与抖音的社会属性是分不开的。
所以起初我们的视频没有真人出境，但现在他们大大增加了真人出境的频率。
4.颜值过关
对于手快的用户来说他们对颜值是非常宽容的，你可以看到很多普通人表现出他们不那么漂亮的一面。但如果你想在抖音里火起来的话，至少你不能丑或邋遢。
因此我们会找颜值比较高的来做视频的主角进行拍摄。
5.跟上热门挑战
最近抖音新上线了一个比较热门的挑战。现在参与的人不多。如果你判断这个话题存在火的潜力，这个时候快速跟进去做一些模仿的内容，就很可能上推荐。
抖音的内容有三个入口，第一个是推荐，第二个是关注，第三个是挑战。
这与微博热搜的原理相同。你可能无法自己创造热点，但你可以赶上热点的旅程。
三.编辑
通过编辑您可以使内容以更好的形式展现。这个属于专业人士的业务，简单谈3点要注意的：
1.背景音乐
选音乐主要有2个标准，第一是和视频内容完美配合，这是最好的；如果这点做不到，那就选择用户认知度比较高的音乐，例如像《说散就散》《海草舞》之类的，用户还是很买单的。
2.特效
抖音提供快放，慢放，反向播放和节选段落循环放等功能。具体的玩法各不相同，所以你可以尝试一下。
3.标题、封面
这和公众号原则一样，对内容的播放量、完播率、分享量和点击都有很大的影响。
另外在视频播放过程中，标题实际上就成了一个备注，如果设置得当也可以起到很大的作用。
比如和内容配合起来玩梗，或者引导用户留言评论等。
四.发布、维护
1.发布时间
这个逻辑很简单——什么时候用户多，就什么时候发布。
在正常情况下互联网产品将在中午有一个高峰期，而下班后大约19：00~23：00是另一个高峰期。您可以选择发送这些时间段，但有许多用户在凌晨都有在用的。
2.善用评论
我们每天都有很多用户评论，我们需要有专门的人来维护用户的评论，即回应用户的问题并与用户互动。
如果这个环节做得好，活跃度和忠诚度将会大大提高。
其实每个人都可以将其视为一个运营位置。因为抖音现在现在是没有开放多少运营位置给账号的，我们只能够在头像、签名介绍自己的产品。
这时我们可以去评论里引导用户，通过作者的回复，引导转换成你的粘性用户，比如引导到微信等。
如果企业想要在抖音的用户中曝光的话，也是可以考虑做抖音的，毕竟它是一个有着 2 亿多用户的巨大流量池。

‘柒’ 推荐算法有哪些

推荐算法大致可以分为三类：基于内容的推荐算法、协同过滤推荐算法和基于知识的推荐算法。 基于内容的推荐算法，原理是用户喜欢和自己关注过的Item在内容上类似的Item，比如你看了哈利波特I，基于内容的推荐算法发现哈利波特II-VI，与你以前观看的在内容上面（共有很多关键词）有很大关联性，就把后者推荐给你，这种方法可以避免Item的冷启动问题（冷启动：如果一个Item从没有被关注过，其他推荐算法则很少会去推荐，但是基于内容的推荐算法可以分析Item之间的关系，实现推荐），弊端在于推荐的Item可能会重复，典型的就是新闻推荐，如果你看了一则关于MH370的新闻，很可能推荐的新闻和你浏览过的，内容一致；另外一个弊端则是对于一些多媒体的推荐（比如音乐、电影、图片等)由于很难提内容特征，则很难进行推荐，一种解决方式则是人工给这些Item打标签。 协同过滤算法，原理是用户喜欢那些具有相似兴趣的用户喜欢过的商品，比如你的朋友喜欢电影哈利波特I，那么就会推荐给你，这是最简单的基于用户的协同过滤算法（user-based collaboratIve filtering），还有一种是基于Item的协同过滤算法（item-based collaborative filtering），这两种方法都是将用户的所有数据读入到内存中进行运算的，因此成为Memory-based Collaborative Filtering，另一种则是Model-based collaborative filtering，包括Aspect Model，pLSA，LDA，聚类，SVD，Matrix Factorization等，这种方法训练过程比较长，但是训练完成后，推荐过程比较快。 最后一种方法是基于知识的推荐算法，也有人将这种方法归为基于内容的推荐，这种方法比较典型的是构建领域本体，或者是建立一定的规则，进行推荐。 混合推荐算法，则会融合以上方法，以加权或者串联、并联等方式尽心融合。 当然，推荐系统还包括很多方法，其实机器学习或者数据挖掘里面的方法，很多都可以应用在推荐系统中，比如说LR、GBDT、RF（这三种方法在一些电商推荐里面经常用到），社交网络里面的图结构等，都可以说是推荐方法。

‘捌’ 抖音的推荐是什么原理

抖音是一个去中心化的音乐创意短视频社交平台，这就意味着任何一个小号都有机会拥有百万粉丝甚至千万粉丝。即便我们是新号，只要我们的内容受欢迎，就会被越来越多的人关注。

视频上传之后抖音官方会检测视频是否违规，例如有没有出现广告、有没有带水印或者LOGO、内容是否不雅、血腥等，抖音官方会把违规的视频打回或者被限流（只有你自己可以看见你发布的内容）。不违规的话官方会进行一个随机推荐，平台会根据我们账号的权重给予一定的初始推荐流量，初始推荐优先分发给附近的人与关注我们的粉丝以及我们关注的人；然后才是配合用户标签与内容标签进行智能分发。

抖音的推荐主要有以下几个流程：

1、机器审核

机器审核也是系统的初审，主要的目的是为了判断视频的风险级别，根据风险级别的不同分发给不同的审核人员，在抖音发布的内容往往可以非常效率地通过机器审核。

2、加权推荐

只要发布的视频是无违规的正常内容，那么都会得到一定量的加权推荐，保证一个新的作品能够展示给一部分用户，这也是抖音的魅力所在。

3、叠加推荐

在经过加权推荐后，系统就可以根据这些收集到的反馈（完播、点赞、评论、转发、关注），进行内容的质量判断。受欢迎的内容会进行进一步的推荐，而不受欢迎的内容则会被缩紧推荐。

在叠加推荐的同时，系统如果收到许多异常数据，如负面评论增加、举报增多，则视频会再次进入审核流程，相比初次审核将会更加严格。

‘玖’ 有人知道抖音的推荐机制是什么呢抖音的规则是什么呢怎么利用系统推荐获得流量

1-5000-100:就是说你发布的视频,最好能在1小时之内,播放量突破5000,而点赞量能大于100,那么,得到系统推荐的机率就大很多了。
四个维度：完播量，点赞率，转发数，评论互动数
发布时间:最好在中午11-13点,下午5-7点,晚上9-11点进行发布,这三个时间段是用户访问的高峰期,你视频发布后基本上系统是会给一些流量推荐的。