前幾天我們分析了B站的推薦算法機(jī)制《B站的推薦算法機(jī)制大揭秘！》，今天我們來分享一下微信視頻號(hào)的推薦算法機(jī)制。

根據(jù)最新公示的微信視頻號(hào)個(gè)性推送算法的介紹，視頻號(hào)會(huì)從精選內(nèi)容庫里個(gè)性化選取用戶感興趣的內(nèi)容推薦給用戶，從而實(shí)現(xiàn)個(gè)性化推薦，下面挖塘人就為大家通俗易懂地解析一下這個(gè)推薦算法。

從微信視頻號(hào)個(gè)性化推送算法機(jī)制機(jī)理的介紹中可以清晰地知道，我們的內(nèi)容需要通過以下幾個(gè)環(huán)節(jié)，才能推薦給用戶。
一、召回

根據(jù)微信視頻號(hào)的產(chǎn)品設(shè)計(jì)，它的召回有三個(gè)頻道，即關(guān)注、朋友、推薦。

關(guān)注頻道主線是召回該用戶關(guān)注賬號(hào)發(fā)布的內(nèi)容，支線是本地內(nèi)容，好友發(fā)布的內(nèi)容以及用戶可能感興趣的內(nèi)容。

朋友頻道主線是召回該用戶好友點(diǎn)贊的內(nèi)容，支線是該用戶可能感興趣的內(nèi)容，好友看過的內(nèi)容等。

推薦頻道主線是召回主要是該用戶可能感興趣的內(nèi)容，支線是好友看過的內(nèi)容，新聞熱點(diǎn)等內(nèi)容。

而且，視頻號(hào)的召回是實(shí)時(shí)的，比如你看了一個(gè)高考查分的視頻，給算法的數(shù)據(jù)反饋不錯(cuò)，那么你接下來就會(huì)多次看到高考查分的視頻。
二、排序

上面的召回環(huán)節(jié)是從內(nèi)容庫里初步篩選內(nèi)容，在數(shù)量上會(huì)比較多，而排序則是更精細(xì)化的篩選，一方面是通過視頻的播放量、點(diǎn)贊、評(píng)論、分享、關(guān)注等數(shù)據(jù)指標(biāo)進(jìn)行篩選排序，過濾掉評(píng)分比較低的內(nèi)容；

另一方面去掉一些視頻質(zhì)量差（包括畫面模糊、聲音卡頓等）或者內(nèi)容質(zhì)量差（包括同質(zhì)化內(nèi)容、沒有實(shí)質(zhì)性內(nèi)容）的內(nèi)容，所以經(jīng)過排序后，進(jìn)入推薦池的內(nèi)容在數(shù)量上會(huì)少很多。

三、混排

混排環(huán)節(jié)一般使用的是融合排序算法，這個(gè)和之前分享的b站算法類似，都是給作品進(jìn)行加權(quán)計(jì)算，最后得出最終的排序并展示給用戶。

下面我們列舉一個(gè)細(xì)化一點(diǎn)的例子來幫助大家理解。假設(shè)ABCD四個(gè)賬號(hào)分別發(fā)布了作品a、b、c、d，混排的動(dòng)態(tài)加權(quán)公式為：最終排序分=內(nèi)容權(quán)重分*0.8+內(nèi)容熱度分*0.1+賬號(hào)權(quán)重分*0.1，其中內(nèi)容權(quán)重分的指標(biāo)包括播放量、播放時(shí)長、點(diǎn)贊、評(píng)論、分享、關(guān)注等，內(nèi)容熱度分是根據(jù)搜索指數(shù)動(dòng)態(tài)變化的，賬號(hào)權(quán)重分包括賬號(hào)的粉絲量、活躍度、違規(guī)行為等指標(biāo)，下面我們分別給四個(gè)作品隨便賦個(gè)值。

根據(jù)上圖的結(jié)果，我們看到最終的排序結(jié)果是a、c、b、d。

當(dāng)然，視頻號(hào)的最終排序公式比這個(gè)例子更復(fù)雜，而且它還是動(dòng)態(tài)的，所以要“抓住”視頻號(hào)的推薦算法是很難的，但是我們可以從數(shù)據(jù)的角度可以找到一些獲取更多流量的方法，因?yàn)樗惴ǘ际腔跀?shù)據(jù)的。
首先在召回環(huán)節(jié)，我們可以在作品中植入多個(gè)垂直的興趣標(biāo)簽，比如一條做短視頻運(yùn)營的內(nèi)容，我們就可以植入自媒體、短視頻運(yùn)營、運(yùn)營技巧等多個(gè)同領(lǐng)域的標(biāo)簽，這樣方便算法根據(jù)標(biāo)簽把作品納入相關(guān)的作品庫。
同時(shí)，地理位置、用戶互動(dòng)、用戶基數(shù)等數(shù)據(jù)維度也可以適當(dāng)?shù)財(cái)U(kuò)大作品的曝光。其次在排序環(huán)節(jié)，為了我們的作品能夠順利地通過這個(gè)環(huán)節(jié)，那么需要保證作品的視頻質(zhì)量沒問題，內(nèi)容質(zhì)量也過關(guān)。

同時(shí)在作品數(shù)據(jù)方面，我們可以適當(dāng)引導(dǎo)用戶互動(dòng)，比如引導(dǎo)點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等，這樣可以提升作品的權(quán)重分，分?jǐn)?shù)越高就越容易進(jìn)入下一個(gè)環(huán)節(jié)。

最后是混排環(huán)節(jié)，由于視頻號(hào)的推薦算法是動(dòng)態(tài)的，如果用戶多看了幾眼某類視頻，那么接下來就會(huì)出現(xiàn)很多同類型的視頻，假設(shè)你的視頻已經(jīng)進(jìn)入了推薦列表，排在第二位，按照正常的邏輯，用戶看完上一個(gè)視頻就會(huì)看到你的作品了，但是該用戶把上面的視頻看了很多次，停留時(shí)間長，這時(shí)候算法收到的數(shù)據(jù)反饋就動(dòng)態(tài)召回了和前一個(gè)視頻類似的作品，而你的作品就不會(huì)被推薦了。

這樣的機(jī)制有好處也有不好的地方，好的地方是你的作品也可以被其他作品「召回」，不好的地方就是出現(xiàn)上述場景，本來就到你了，結(jié)果被動(dòng)態(tài)召回了。

基于這種情況，我們是無法左右算法的，但我們的作品權(quán)重、賬號(hào)權(quán)重、內(nèi)容熱度等各種分?jǐn)?shù)都不錯(cuò)的話，那作品排第一推薦的機(jī)會(huì)就大，這樣就不會(huì)因?yàn)閯?dòng)態(tài)召回而損失了推薦流量。

最后，挖塘人基于微信視頻號(hào)的推薦算法，做了一個(gè)完整的解析圖，從視頻發(fā)布到數(shù)據(jù)維護(hù)整個(gè)流程都畫了重點(diǎn)，同時(shí)也可以幫助大家更好地理解視頻號(hào)的推薦算法，從而獲取更多流量，有興趣的可以掃碼查看。

以上就是今天的內(nèi)容，希望對(duì)你有幫助，更多運(yùn)營和營銷干貨可以加入「塘友」查看。