#自媒体运营频道 #@yunying23
抖音最近公开了自己的算法，里面写的很多对于做内容的人还蛮有价值的。
https://95152.douyin.com/transparency
尤其是提到了抖音推荐算法的核心逻辑可以简化为“推荐优先级公式”：综合预测用户行为概率 × 行为价值权重 = 视频推荐优先级。
公式展开如下图所示——
也就是说，系统不仅仅是通过用户的实时行为数据，如完播率、互动率来推荐内容。
而且还会考虑到不同的用户行为对平台的价值。
1. 推荐算法会通过算法模型预测用户对候选视频的行为概率（动作率）。结合用户行为和视频本身的价值权重，推算出视频推荐的价值分数，并将综合得出的价值最高的视频推送给用户。
在这个过程中，推荐算法会对用户的一系列行为预估，这些行为包括点赞、关注、收藏、分享、不喜欢、是否点击作者头像、评论区停留时长、长期消费等等。
2. 价值模型，代表了抖音对于哪些动作可能更重要的理解。简单来说，如果仅考虑用户交互概率，可能会造成一些问题，比如，一些精心制作的中长优质视频，可能因为完播率较低，而在分发中处于劣势地位。
因此，通过价值模型，对用户的互动行为进行价值计算，并通过不断调整参数，对各类价值进行加权。
然后，按“价值最大化”原则计算出候选内容的分数。在这个原则的指导下，算法会综合考虑多个因素来评估候选内容的价值。它不仅会关注内容本身的特点，还会考虑作者的收益以及平台生态等因素。
通过对这些因素的深入分析和权衡，算法能够为每个候选内容计算出反映其潜在价值的分数，从而为后续的推荐提供有力的依据。
抖音最近公开了自己的算法，里面写的很多对于做内容的人还蛮有价值的。
https://95152.douyin.com/transparency
尤其是提到了抖音推荐算法的核心逻辑可以简化为“推荐优先级公式”：综合预测用户行为概率 × 行为价值权重 = 视频推荐优先级。
公式展开如下图所示——
也就是说，系统不仅仅是通过用户的实时行为数据，如完播率、互动率来推荐内容。
而且还会考虑到不同的用户行为对平台的价值。
1. 推荐算法会通过算法模型预测用户对候选视频的行为概率（动作率）。结合用户行为和视频本身的价值权重，推算出视频推荐的价值分数，并将综合得出的价值最高的视频推送给用户。
在这个过程中，推荐算法会对用户的一系列行为预估，这些行为包括点赞、关注、收藏、分享、不喜欢、是否点击作者头像、评论区停留时长、长期消费等等。
2. 价值模型，代表了抖音对于哪些动作可能更重要的理解。简单来说，如果仅考虑用户交互概率，可能会造成一些问题，比如，一些精心制作的中长优质视频，可能因为完播率较低，而在分发中处于劣势地位。
因此，通过价值模型，对用户的互动行为进行价值计算，并通过不断调整参数，对各类价值进行加权。
然后，按“价值最大化”原则计算出候选内容的分数。在这个原则的指导下，算法会综合考虑多个因素来评估候选内容的价值。它不仅会关注内容本身的特点，还会考虑作者的收益以及平台生态等因素。
通过对这些因素的深入分析和权衡，算法能够为每个候选内容计算出反映其潜在价值的分数，从而为后续的推荐提供有力的依据。