全面揭秘快手与抖音的内容推荐算法.docxVIP

全面揭秘快手与抖音的内容推荐算法 PAGE 1 全面揭秘快手与抖音的内容推荐算法 产品经理学习资料  全面揭秘快手与抖音的内容推荐算法 算法快抖的视频内容分为推荐（发现）、附近（同城）和关注三个模块，这里主要说明推荐模块的算法机制。 视频与用户画像的匹配程度热度（赞、评论、转发等）发布时间根据用户数据和内容标签计算两者的匹配程度，是每个内容产品的算法核心，已经被总结很多次了，其理论大体一致，在本社区搜索“算法”关键词就能找到，这里就不再赘述了，下面主要介绍热度和发布时间两点。打开你的抖音，你会看到系统已经为你推荐好了一系列内容，再仔细观察一下，你会发现这些视频的获赞数量基本都在50万以上，中位数大概在100万（刷多了会减少）。而打开快手呢？你会发现视频获赞数量基本维持在1万到10万这个区间，有的甚至会出现几千几百，但很难找到过10万的视频。出现这种差距，难道是因为快手用户少吗？显然不是，快手的用户已经是其他短视频产品的用户之和了。之所以出现这种状况，其实是因为快手算法特有的“热度权重“。视频发布初期，随着其热度提高，曝光机会也会跟着提高，此时，“热度权重”起到“择优去劣”的作用。而在视频热度达到一定阈值后，它的曝光机会将不断降低，此时，“热度权重”起到“择新去旧”的作用（其实是为了给用户平等的展示机会，后