• 要了解推荐机制，首先我们要了解观众。每个观众的观看兴趣都是大不相同的，个性化推荐机制要做的事情就是让每位用户看到可能感兴趣的内容。这种精准推荐，是建立在机器对每位用户都有充分认知的前提下的。在机器中，每位用户实际是由大量数据构成的，用户的观看兴趣就藏在这些数据中。不同数据对用户兴趣计算所占权重不同，数据包括：

  • 性别、年龄、所处城市；

  • 关注的账号、常浏览的频道、关注的话题；

  • 观看过的视频分类和关键词；

  • 相似类型的其他用户还喜欢观看的其他视频类型；

  • ....

• 推荐系统的本质，就是从一个海量的内容池里，为观众匹配出少量感兴趣内容 。为了给用户提供他们喜欢的内容，或者理解用户的需求，平台有很多角度可以去刻画一个用户的画像，比如，年龄、性别、历史浏览的文章、环境特征等；同时，利用先进的AI技术对内容进行分门别类。紧接着，推荐机制就像一座“桥梁”，连接观众和内容，将内容源源不断地推送到感兴趣的用户面前。这座“桥梁”有两个特点：

  • 兴趣匹配：观众的观看类型与内容分类重合度最高，被系统认定最可能对该内容感兴趣。
  • 分批次推荐：首先会被推荐给一批对其最可能感兴趣的观众，这批观众产生的数据，将对内容下一次的推荐起到重要作用。

• 关于推荐机制，也可以戳链接查看视频介绍👉推荐机制大揭秘

注意：以下举例仅用于说明点击率等对视频推荐的影响，不代表实际推荐情况

• 视频的首次推荐，如果点击率低，转评赞不高，系统认为视频不适合推荐给更多的用户，会减少二次推荐的推荐量；如果点击率等数据高，系统则认为视频受用户喜欢，将进一步增加推荐量。以此类推，视频新一次的推荐量都以上一次推荐的点击率等数据为依据。

例如，一个视频首次推荐给了1000个用户，如果这批用户的点击率、完播率等较高，系统判定用户非常喜欢这篇视频，将其扩大推荐给10000个用户，如果这轮推荐用户的点击率、完播率等仍然维持在较高水平，那么系统会将视频再次扩大推荐给30000个用户、50000个用户、100000个用户……推荐量和播放量便如滚雪球一般节节攀升。

• 因为这种扩大推荐的机制，创作人想获得更多的播放量，就必须努力把各维度阅读数据（点击率、用户播放时长、收藏数、评论数、转发数等）维持在高位水平。

• 这就要求视频：

  • 标题和封面图具有足够的吸引力、表意清晰，提高点击率；

  • 视频内容优质，剪辑解说俱佳，提高用户播放时长和播放完成度；

  • 内容详实，给观众干货般的充实感，提高收藏数和用户播放时长；

  • 观点鲜明，引发观众讨论，增加评论数和转发数。

• 其中，至关重要的当然是点击率，完播率，转评赞等，也因此，标题和封面图的重要性便不言而喻。这也是今天注意力稀缺时代，播放获得好的传播的关键要素。

• 有吸引力的标题能带来更多点击，但这不意味创作人要成为惯用夸张标题的标题党。恰恰相反，标题党反而会被平台通过技术手段识别和打压，限制推荐量。除了标题夸张，用户举报密集、负面评论过多都是限制播放推荐量的因素。归根结底，一个作品能否获得更多推荐最终取决于内容质量，好的内容才能带来流量的长效增长。