1.產(chǎn)品定位
抖音已經(jīng)成為了一款現(xiàn)象級的短視頻app茸苇，其核心的slogan是記錄美好生活，注意“美好”兩字沦寂，這個對其產(chǎn)品及算法有著重要影響学密。
2.產(chǎn)品基礎算法
算法的核心都不是盲人摸象，而是有的放矢传藏，在用戶完成某個主動或者被動操作時腻暮，通過記錄用戶所在的人彤守、事、物哭靖、場具垫、境來推斷其偏好。根據(jù)總結的一些算法包括：
（1）流量池：抖音會給視頻分流量池试幽，首先是每個視頻均會有1000次曝光的流量筝蚕，然后是1w、10w铺坞、100w...
（2）疊加推薦：流量池的升級打怪會綜合評價點贊饰及、關注、評論康震、轉發(fā)等數(shù)據(jù)燎含，然后可能挑出來1萬條，在這1萬條短視頻里面腿短，每一條再平均分配10萬次曝光屏箍。然后繼續(xù)根據(jù)評價、點贊橘忱、關注赴魁、評論來進行進一步的分發(fā)；
（3）圖像識別等后臺審核技術钝诚；
3.算法帶來的產(chǎn)品設計變化
（1）抖音的算法優(yōu)勢在于能夠很精準的為用戶選擇其喜歡的內容颖御，因此首頁設計上，直接呈現(xiàn)給用戶視頻內容凝颇，有幾點優(yōu)勢：
--減少用戶選擇潘拱，我給你推薦的都是你想看的，你只需要看就好拧略；
--增加用戶對下一條內容的好奇程度芦岂；
--增加心流體驗；
（2）可以看出就整個抖音的產(chǎn)品算法來看垫蛆，其最重要的機制就在于用戶的點贊禽最、關注、評論袱饭，因此在設計上也對這一點進行了強調川无；
（3）從產(chǎn)品層面去推動內容的沉浸度：【敲黑板】抖音上傳視頻首先讓發(fā)布者選擇音樂而不是直接拍照，這是為了讓內容與音樂保持大體一致性虑乖，增加沉浸度懦趋；
4.背后的推薦算法
常用的個性化推薦原理有：
（1）基于用戶的基本信息推薦：(Demographic-based Recommendation)
如：領域、職業(yè)决左、年齡愕够、性別、地域等佛猛，通過對內容的標簽匹配推薦相應內容惑芭，可能有知識圖譜；
personA?{location: Beijing; career: engineer; age: 25; gentle: men;}
（2）基于物品／內容基本信息推薦(Content-based Recommendation)
內容的一些顯性屬性如：領域继找、主題遂跟、類型、來源婴渡，屬于基于被推薦物的基本信息幻锁；
（3）協(xié)同推薦Collaborative Filtering
需要通過用戶行為來計算出用戶或者物品間的相關性
--基于用戶的協(xié)同推薦
以人為本，找到和你相似的人后推薦他們看了而你沒有看的內容边臼，這種方法是將多個用戶基本信息／屬性匹配后得出的哄尔；（這種匹配規(guī)則是建立在置信度之上的）
personA?{location: Beijing; career: engineer; age: 25; gentle: men;}
personB?{location: Shanghai; career: engineer; age: 25; gentle: women;}
personC?{location: Shanghai; career: designer; age: 30; gentle: women;}
--基于物品的協(xié)同推薦
即以視頻本身為本建立各視頻之間的相似度關系矩陣，“用戶看了A也會看B”柠并，同時根據(jù)視頻類型的熱度能夠建立規(guī)范岭接，告知發(fā)布者什么類型的視頻怎么拍會增加熱度；
engineer：[personA臼予，personB, personC];
Shanghai:?[personB, personC];
gentle:?[personB, personC];
5.推薦算法適用場景
--冷啟動：基于用戶鸣戴、基于物的推薦；
--大數(shù)據(jù)：協(xié)同推薦粘拾；
6.如何設計好的推薦系統(tǒng)
（1）多維度的內容方案
--UGC：用戶能自行上傳內容窄锅，可以獲取更多用戶行為數(shù)據(jù)，用戶顯性和隱形的數(shù)據(jù)缰雇；
--專題：根據(jù)已有的數(shù)據(jù)來進行運營趨勢化入偷、導向化的運營編輯；
--熱門／附近：熱度內容的推薦械哟，需要對熱度進行定義盯串，什么樣的算熱
（2）冷啟動
--基于用戶信息的推薦（三方賬號／登錄信息）；
--盡快讓用戶表達興趣：主動讓用戶選擇標簽戒良；
--資訊的正負反饋体捏；
（3）稀疏性
有的時候你有的總內容數(shù)量遠大于用戶有“打分”的內容數(shù)量，對于這種情況的解決方案：
- 用戶隱形打分
- 降維糯崎。Matrix of boolean feature几缭，投射到低維空間，再用機器學習
- 結合基于物品基本信息的推薦
（4）多樣性
- 看過什么沃呢，推薦相同類型的年栓；
- 為你推薦你需要也比較適合你的；
- 基于你的性格薄霜、興趣等某抓，推薦甚至連自己沒想到過卻真正感興趣的纸兔；
這部分推薦聽起來感覺是玄學，但是給我們推薦的一個思路就是不要僅僅局限于某一種類型的推薦上否副，相同類型汉矿、需求甚至挖掘興趣，都是可以考慮的推薦內容备禀。
（5）實時性
根據(jù)用戶的行為洲拇， 實時的調整。好的推薦系統(tǒng)是在不斷更新的曲尸。
（6）嘗試性
--算法帶來的問題是可能所有人看到的都是相似的內容赋续，可能帶來信息重復和疲乏（手機百度信息流）,因此可以在知識圖譜的信息之上，嘗試性的給用戶推薦其他內容另患；
8.評估推薦系統(tǒng)
--獲得反饋并一直迭代：與推薦系統(tǒng)的交互有用嗎纽乱？他們對收到的推薦結果滿意嗎？
--設計評測標準
（1）能吸引更多的用戶看內容的詳情頁
（2）促使單個用戶瀏覽更多內容
