1.产品定位
抖音已经成为了一款现象级的短视频app，其核心的slogan是记录美好生活，注意“美好”两字，这个对其产品及算法有着重要影响。
2.产品基础算法
算法的核心都不是盲人摸象，而是有的放矢，在用户完成某个主动或者被动操作时，通过记录用户所在的人、事、物、场、境来推断其偏好。根据总结的一些算法包括：
（1）流量池：抖音会给视频分流量池，首先是每个视频均会有1000次曝光的流量，然后是1w、10w、100w...
（2）叠加推荐：流量池的升级打怪会综合评价点赞、关注、评论、转发等数据，然后可能挑出来1万条，在这1万条短视频里面，每一条再平均分配10万次曝光。然后继续根据评价、点赞、关注、评论来进行进一步的分发；
（3）图像识别等后台审核技术；
3.算法带来的产品设计变化
（1）抖音的算法优势在于能够很精准的为用户选择其喜欢的内容，因此首页设计上，直接呈现给用户视频内容，有几点优势：
抖音视频浏览方式
--减少用户选择，我给你推荐的都是你想看的，你只需要看就好；
--增加用户对下一条内容的好奇程度；
--增加心流体验；
（2）可以看出就整个抖音的产品算法来看，其最重要的机制就在于用户的点赞、关注、评论，因此在设计上也对这一点进行了强调；
强调对算法起作用的功能
强调对算法起作用的功能
（3）从产品层面去推动内容的沉浸度：【敲黑板】抖音上传视频首先让发布者选择音乐而不是直接拍照，这是为了让内容与音乐保持大体一致性，增加沉浸度；
增加沉浸度
4.背后的推荐算法
推荐机制（来源于知乎）
常用的个性化推荐原理有：
（1）基于用户的基本信息推荐：(Demographic-based Recommendation)
如：领域、职业、年龄、性别、地域等，通过对内容的标签匹配推荐相应内容，可能有知识图谱；
personA {location: Beijing; career: engineer; age: 25; gentle: men;}
（2）基于物品／内容基本信息推荐(Content-based Recommendation)
内容的一些显性属性如：领域、主题、类型、来源，属于基于被推荐物的基本信息；
（3）协同推荐Collaborative Filtering
需要通过用户行为来计算出用户或者物品间的相关性
--基于用户的协同推荐
以人为本，找到和你相似的人后推荐他们看了而你没有看的内容，这种方法是将多个用户基本信息／属性匹配后得出的；（这种匹配规则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;}
--基于物品的协同推荐
即以视频本身为本建立各视频之间的相似度关系矩阵，“用户看了A也会看B”，同时根据视频类型的热度能够建立规范，告知发布者什么类型的视频怎么拍会增加热度；
engineer：[personA，personB, personC];
Shanghai: [personB, personC];
gentle: [personB, personC];
5.推荐算法适用场景
--冷启动：基于用户、基于物的推荐；
--大数据：协同推荐；
6.如何设计好的推荐系统
（1）多维度的内容方案
--UGC：用户能自行上传内容，可以获取更多用户行为数据，用户显性和隐形的数据；
--专题：根据已有的数据来进行运营趋势化、导向化的运营编辑；
--热门／附近：热度内容的推荐，需要对热度进行定义，什么样的算热
（2）冷启动
--基于用户信息的推荐（三方账号／登录信息）；
--尽快让用户表达兴趣：主动让用户选择标签；
--资讯的正负反馈；
（3）稀疏性
有的时候你有的总内容数量远大于用户有“打分”的内容数量，对于这种情况的解决方案：
- 用户隐形打分
- 降维。Matrix of boolean feature，投射到低维空间，再用机器学习
- 结合基于物品基本信息的推荐
（4）多样性
- 看过什么，推荐相同类型的；
- 为你推荐你需要也比较适合你的；
- 基于你的性格、兴趣等，推荐甚至连自己没想到过却真正感兴趣的；
这部分推荐听起来感觉是玄学，但是给我们推荐的一个思路就是不要仅仅局限于某一种类型的推荐上，相同类型、需求甚至挖掘兴趣，都是可以考虑的推荐内容。
（5）实时性
根据用户的行为， 实时的调整。好的推荐系统是在不断更新的。
（6）尝试性
--算法带来的问题是可能所有人看到的都是相似的内容，可能带来信息重复和疲乏（手机百度信息流）,因此可以在知识图谱的信息之上，尝试性的给用户推荐其他内容；
8.评估推荐系统
--获得反馈并一直迭代：与推荐系统的交互有用吗？他们对收到的推荐结果满意吗？
--设计评测标准
（1）能吸引更多的用户看内容的详情页
（2）促使单个用户浏览更多内容
网友评论