官方解密「智能算法」，99%的抖音爆款，是如何一步步产生的？（收藏）
最近，参加了一期头条官方主办的宣讲活动，有幸近距离了解「智能算法」的核心逻辑。
今天，把获取到的关于「智能算法」的知识点整理出来，分享给大家，希望对各位打造抖音爆款的过程中，有所帮助。
这篇文章主要分为4个部分：
一、智能算法的推荐原理
二、一个作品在推荐系统的“生命周期”
三、系统推荐中的常见问题
四、如何获得更高推荐？
智能算法推荐的本质，是从一个聚合内容池里面给当前用户匹配出最感兴趣的内容。
这个内容池，每天有几十上百万的内容，涵盖15s短视频、1min长视频、5min超长视频。
而在给用户匹配内容的时候，平台主要依据3个要素：内容、用户以及用户对内容的感兴趣程度。
系统是怎么理解我们创作的内容呢？
平台在做内容刻画的时候，主要会依托于关键词识别技术：通过提取文案、视频中的关键词，根据关键词将内容进行粗分类，然后根据细分领域的关键词，再对分类进行细化。
比如，视频文案及内容的关键词是“罗纳尔多、足球、世界杯”。
大部分关键词都属于体育类词汇，就会先把你的作品分到体育大类，然后根据具体的关键词，再细分到“足球”、“国际足球”等二三级类目。
关键词提取原则：
1）高频词原则：系统从作品、文案中提取高频出现的词汇；
2）独特性规则：大部分文案、内容出现的词，不会被认为是关键词。
比如虚词（的、地、得、而、对于……）；
比如转折词（虽然、但是、因为、所以……）。
怎么才能让系统更好的识别我们的关键词呢？
1）避免使用非常规词。比如：活久见、城会玩、腿玩年、DBQ……
2）名人/地名用全程，不用缩写或外号。比如：詹姆斯vs詹皇，广西、广东vs两广地区，香港、澳门vs港澳……
3）多用具有代表性的实体词。实体词就是一些名词和代词，比如人名、地名、公司名称等。
例如：《流动着的舞台，街头中的故事》，在这个文案中，我们很难提取出有意义的实体词，我们对它进行优化：《印度就是脏乱差？这组图片让你看清印度的另一面，与想象中大不同》
优化后，我们这个就能提取出“印度”这个实体词，知道是跟印度有关的内容，进一步提取，还会发现“脏乱差”、“图片”这些有意义的词汇。
系统是怎么理解用户的？
为了更好的理解用户需求，系统会从多个角度进行用户画像：
1）历史浏览信息（从作品文案、内容中的关键词提取）
2）身份标签（兴趣标签、职业、年龄、性别、机型……）
3）环境特征：根据他们当前的环境（工作、通勤、旅游、娱乐场所、休息……），确认用户的状态
通过这一系列的比对、分析，系统推测还原出一个用户的基本属性，比如：Ta可能是一个正在旅游的男性，喜欢足球、汽车等分类。
系统会把上述的用户特征，归类为这个用户的标签。
用户标签主要分为3大类：
1）用户的基本信息（年龄、性别、地域）；
2）用户的行为信息（关注账号，历史流浪记录，点赞收藏的内容、音乐、话题）；
3）阅读兴趣（阅读行为、用户聚类、用户标记）。
系统根据用户的信息和行为，对用户进行分析计算，计算出用户喜好的分类、话题、人物等其他信息，这样就完成了系统对用户的刻画。
推荐算法的本质
利用作品的特征（主题词、标签、热度、转发、时效、相似度）、用户喜好特征（短期点击行为、兴趣、职业、年龄、性别等），以及环境因素（地域、时间、天气、网络环境），拟合一个用户对内容满意的函数，它会估算用户对每一个作品的点击概率，然后再从系统几十上百万的内容流量池中，将所有的作品按照兴趣由高到低排序，Top10的作品在此时会脱颖而出，被推荐到用户的手机上进行展现。
作品发布之后，进入初审环节，初审结束后系统会进行一些加权推荐，将这些作品首先暴露给几百上千用户，这个环节被称为冷启动。
冷启动完成之后，系统会对你的作品进行正常推荐。
在这个过程中，作品就会被展示出来，同时系统不断搜集用户反馈（完播率+转评赞，甚至举报），基于这些用户行为进而触发平台的复审流程，复审会影响作品的后续推荐——继续推荐or打压处理。
作品推荐流程：
1）初审
初审的目的，是判断这个作品有没有违反国家相关法律的风险。
在这一过程中，机器模型会优先判断它的风险级别，然后根据风险级别，将内容分发给不同审核人员进行处理。
在机器+人工的共同配合下，内容会以非常快的速度通过初审，展现在读者面前。
2）冷启动
在内容审核之后，就是冷启动阶段。
冷启动，是一个推荐上的概念，是指新的作品发布之后，系统会根据相关数据进行推荐的时间段。
冷启动阶段，系统会优先推荐给你的粉丝，粉丝的数量、质量以及对作品的喜好程度，都会影响作品的推荐效果。
3）加权推荐
新的作品发布之后，与之前已经在平台上火起来的内容相比，具有一定的劣势，这些现在还是“冷”的内容，大部分可能火不起来。
但是，如果不把新的作品展现给用户，就不会知道这个作品将来会不会火起来？
因此，对于所有的新内容，系统会进行加权推荐，让所有的用户有一定概率看到这个新作品。
4）确定用户兴趣
加权之后，内容会进行几百上千次展现，基于这些基础展现的用户反馈（完播率+转评赞），系统会初步判断哪些人群会喜欢这个作品，哪些人群绝对不会喜欢。
作品审核的流程：
冷启动（首次推荐给1000用户）之后的作品，平台收集到最基础的推荐效果反馈，如果一个作品的反馈很好，系统就会认为这个作品是有潜质的，会进一步扩量推荐给更多用户，可能是1w/3w/5w甚至更多，如果一个作品用户对它的兴趣不是很大，系统就会收紧推荐，继续观察作品的表现。
在正常推荐过程中，基于各种各样的用户行为，系统会监测到很多数据上的异常（比如，一些作品点击率特别高，但负面评论、举报特别多），这时，这个作品就会再次进入审核流程，这个被称之为复审。
相比于初审，复审将更为严格。
在复审中如果被发现存在标题党、封面党、低俗、虚假等问题，系统就会停止对这个作品的推荐。
1、为什么推荐量“不稳定”？
2、为什么作品推荐一半就不推荐了？
3、为什么我的推荐效果不好？
同样一个热点，大家作品的题材、风格都差不多，为什么有的作品几百万展现，而有的作品却只有几百展现？
1）系统消重策略：
为了保护站内原创内容，提升用户阅读体验，多个相似作品中，系统会优先推荐“更早发布”的原创作品。
如何避免消重？
1）坚持原创，不做搬运（抖音对重复类内容的检测和打压手段，都在不断进化，搬运的生存空间会越来越小）
2）面对热点谨慎追逐
3）体现鲜明的个人特色
2）同类作品挤压：
针对热点内容，抖音会优先选取最适合的一个，推送给用户。
如果你也发表了相似的内容，但其他作品表现的特别好，你的作品就有可能不会得到很好的推荐。
每个作品的推荐量，既取决于当时具体的环境，也取决于当时整个内容池里面其他作品的表现。
一个作品的推荐效果，与作品本身的质量有很大的相关性，如果一个作品推荐不好，可能是以下几个原因：
1）作者的创作内容，质量不稳定
系统会对作者的创作能力精选评估，如果作品质量不稳定，系统就无法很好的评估作者的创作能力，进而影响这个作品的最终推荐效果。
2）创作内容不够垂直
系统会判断一个作者的专业度，并优先推送专业度高作者的作品，如果你经常换领域，就会导致系统很难评估你的专业度，进而影响推荐。
3）创作者内容受众少
如果你的内容是某个小众领域，人群优先，比如虚拟货币，抖音可能只有20万人对它感兴趣，系统推荐完了，后面就没有办法推荐给其他人了。
4）内容时效短
比如报道体育类赛事的进展，可能1小时候比分、结果就会有很大变化，这种情况下，系统就不会再推荐你的内容了。
作品推荐了一半，反馈很好，为什么突然不推荐了呢？
这里很有可能是因为作品出现了一些指标上的问题，比如它的点击率很高，但同时负面评论、投诉信息也很高，这种情况下，作品就会进入复审流程。
在复审中，审核人员会对作品质量进行更为严格的审核。
复审不被通过，主要有5大原因：
1）标题党
过度夸张、故意制造悬念、无中生有、歪曲事实、题文不符、低俗引导等。
2）封面党&低俗
封面图不清晰，存在恶意引导等情况，封面、内容涉及色情低俗等行为。
3）虚假
作品违背科学常理，描述违背证实、或存在与已发生事实相悖的事件情节，比如：《战狼2》演员名单流出，天王华仔愿意零片酬参演，阵容激动人心，影片中并没有刘德华，这个内容纯属作者虚构。
4）包含推广信息
文中含二维码、手机号、微信号等联系方式，或变形版（如威信、薇信、微?信?公?众……）；
作品中含有恶意推广内容（如违规医疗、违法财经、情感挽回、带有不良暗示交友软件等）。
5）其他因素
受外部环境影响，如果当前热点已经过时，那么对应的受众就会减少，作品的推荐就自然会受影响。
平台认为，这些内容更受用户喜欢：
1）作品视角新颖，观点鲜明有态度；
2）作品内容充实，带来信息增量（能让用户学到新知识）；
3）坚持原创首发；
4）画面更清晰；
5）竖屏。