抖音短視頻平臺視頻推薦模式研究

　　一、基于用戶信息的基本協(xié)同過濾

　　基于用戶信息的基本協(xié)同過濾是抖音整個算法體系中最基礎和最簡單的算法，也是在視頻推廣過程中普遍應用的算法。抖音通過獲取用戶注冊時的基本信息，如性別、年齡、地址和基本興趣點，對用戶的畫像有了大致的描繪。其后，在信息分發(fā)過程中，抖音通過考慮用戶之間的相似程度進行相似內(nèi)容的推薦。當用戶開始接觸平臺，且所提供的信息越詳細或越準確，其對用戶需求的判斷越接近用戶的真實需要。我們可以構(gòu)建如下推薦模式模型。

　　假如a、b、c、d的基本信息較為相似，則前期在a、b、c共同感興趣的內(nèi)容或產(chǎn)生點贊、評論、轉(zhuǎn)發(fā)等使用行為的內(nèi)容會較為優(yōu)先推薦給d。比如，抖音的主界面分為同城和推薦兩個模塊，推薦模塊一個重要的原則就是視頻內(nèi)容和用戶興趣的匹配程度。匹配程度越高的信息越能夠被推薦。通常，在平臺用戶的初期使用階段，此種獲取方式最為主要，這種相對簡單的算法推薦原則對于用戶具體興趣的判斷是相對模糊的，更多的是相似特征人群的興趣集合判斷?？梢哉f，不斷擴大的用戶數(shù)量和使用行為為這類基礎算法提供了數(shù)據(jù)源，通過海量數(shù)據(jù)的收集與分析，這類算法的精準程度會不斷提升。與快手等其他視頻應用不同，抖音用戶較為集中在城市，用戶的學歷和年齡差距相對較小，媒介素養(yǎng)也較為相似，而這也是這類基礎算法較為適用的重要原因。

　　二、基于“去中心化”的精準推送

　　社交媒體最重要的原則就是“去中心化”，“把關人”的作用逐漸弱化，每個用戶都是傳播場域中的節(jié)點，每個節(jié)點都可以獨立地生產(chǎn)內(nèi)容，擁有一定的話語權(quán)，內(nèi)容并非集中于少數(shù)的關鍵用戶。在這種“去中心化”的精準推送中，內(nèi)容和社交關系成為被抓取作為信息精準分發(fā)的主要依據(jù)。我們可以通過用戶個人的視角構(gòu)建如下信息獲得模型。

　　這一類的精準算法可以分為兩大類：一類是以內(nèi)容興趣點為篩選維度的推薦，這個維度下，現(xiàn)實社交環(huán)境中的聯(lián)系較弱，甚至沒有聯(lián)系；另一類是以社交強聯(lián)系為篩選維度的推薦，在通訊錄中的好友、同學都會成為推薦所抓取的對象。重合部分往往會獲得較多的推薦。

　　內(nèi)容維度可以理解為以相同的職業(yè)、愛好、話題組成的相近興趣的集合。平臺基于用戶使用行為的習慣，諸如點贊、評論、轉(zhuǎn)發(fā)等行為，通過數(shù)據(jù)驅(qū)動的方式挖掘用戶的興趣點，從而在下一輪的視頻推薦中合理選擇，進一步取悅用戶，增加黏度。

　　社交關系維度可以理解為以現(xiàn)實的社交關系為連接的集合。這類關系基于社交關系的聯(lián)系程度從而變得更強。每個人的社交圈都隨著移動互聯(lián)技術的進步而不斷擴大，但是，用戶本身和現(xiàn)實社交中好友或同學的關注點相似性不高。正是基于這種算法推薦，用戶在抖音的使用過程中通常會看到通訊錄好友發(fā)布的內(nèi)容，因為平臺通過算法也優(yōu)先推薦強關系的好友發(fā)布的內(nèi)容。這反映出短視頻平臺重要的社交屬性，通過自己拍攝視頻在強關系中的展示，能夠滿足使用者的需要，增強認同感和滿足被別人了解的社交需求。

　　三、基于“流量池”的疊加推薦

　　與算法的研究日益成為熱點類似，流量池也是近段時間以來頻繁出現(xiàn)的熱門詞匯。此前，在新媒體研究領域里，流量思維是較為集中的研究熱點，甚至有學者指出，“得流量者得天下”。流量池思維則是要獲取流量并通過存儲、運營和發(fā)掘等手段，進行信息的再傳播，以期獲得更多的流量。流量思維和流量池思維最大的區(qū)別就是流量獲取之后的下一步社會行為，后者更強調(diào)如何用一批老用戶找到更多新的用戶，而流量思維更多的是首輪傳播的效果評價。通常來講，在內(nèi)容流量池表現(xiàn)較好的視頻內(nèi)容往往會進入疊加推薦的行列，從而獲得更多的閱讀量和點贊。疊加推薦是以內(nèi)容的綜合權(quán)重做評估標準，綜合權(quán)重的關鍵指標有完播率、點贊量、評論量、轉(zhuǎn)發(fā)量，且每個元素所具有的影響權(quán)重又互不相同，當達到一定量級，平臺就會以大數(shù)據(jù)算法和人工運營相結(jié)合的機制進行不斷的推薦。比如，當用戶發(fā)布一條視頻時，平臺會自動將其分配到一個流量池當中，分發(fā)到一定數(shù)量級的用戶的推薦界面，然后通過統(tǒng)計該視頻的播放效果，形成一個加權(quán)分數(shù)，轉(zhuǎn)發(fā)量、評論量、點贊量的權(quán)重依次遞減，分數(shù)越高則獲得疊加推薦的機會越大，播放效果好的視頻會再次加入流量池進行更大范圍的分發(fā)，而表現(xiàn)較差的視頻則失去了被推薦的機會，沉淀至流量池底部。第二次推薦又獲得比較好的反饋則進入下一輪的推薦，從而獲得更大規(guī)模的推薦。流量池推薦帶來了更加明顯的“馬太效應”，優(yōu)質(zhì)的視頻被反復推薦，獲得更大的積累優(yōu)勢，而在第一波流量池推送中“遜色”的視頻則失去了更大規(guī)模被推薦的機會。同時，由于這類算法更加基于多重用戶受眾的實際行為分析，所以經(jīng)常會有大量級播放次數(shù)的視頻出現(xiàn)。與前兩個算法推薦相比，流量池推薦的視頻隨機性更強，其推薦的法則并非主要著眼于視頻內(nèi)容，而更多的是通過用戶的反饋進行推薦。換言之，流量池推薦更注重視頻傳播效果的評價而非內(nèi)容生產(chǎn)的優(yōu)劣。這也使得一些內(nèi)容并不那么優(yōu)質(zhì)的視頻利用算法推薦的漏洞或不足，能夠取得很高的評價分數(shù)，從而被大量級推薦，迅速“躥紅”。

　　四、建議與對策

　　依靠強大的算法推薦，抖音已經(jīng)在目前短視頻白熱化的角逐中逐漸占據(jù)上風。但是，完全依靠協(xié)同過濾和精準分發(fā)的單純算法推薦不能夠充分適應目前快速發(fā)展的受眾需求，平臺需要進一步完善更多維度的算法推薦系統(tǒng)。采用更加多元和開放的算法，將會更加合理地促進優(yōu)質(zhì)視頻內(nèi)容的傳播。因此，可以進一步加強對抖音用戶使用行為的數(shù)據(jù)挖掘工作，引入滿意度、有用性等其他考量維度，優(yōu)化其產(chǎn)品內(nèi)容評價體系分層分類，避免加劇“繭房效應”，適當調(diào)整興趣內(nèi)容與其他內(nèi)容的分發(fā)比例；進一步提高平臺的識別能力，對所謂的“網(wǎng)紅”短視頻內(nèi)容加強甄別，提高原創(chuàng)視頻的推廣力度，加強對相似或較為雷同的視頻進行過濾審核，避免“同質(zhì)化”內(nèi)容高頻出現(xiàn)；積極引入或增加人工審核的機制，在審核過程中提高人工排查的參與程度，逐漸樹立傳播審核過程中“人”的參與意識；積極鼓勵“pgc”的產(chǎn)品生產(chǎn)，對于具有優(yōu)質(zhì)視頻生產(chǎn)能力的用戶給予鼓勵，通過身份認證、延長視頻時限等方式給予支持，提升全平臺的視頻制作水平；始終堅持“內(nèi)容為王”的運營和管理理念，依靠優(yōu)質(zhì)的平臺內(nèi)容增加用戶黏度和吸引新用戶，就一些具有明顯“嘩眾取寵”和惡搞的內(nèi)容，引入投訴和其他負面評價機制，進一步凈化網(wǎng)絡空間。

參考文獻（略）

本文收集整理于網(wǎng)絡，如有侵權(quán)請聯(lián)系客服刪除！