抖音更新推荐算法，这3大变化最重点！-龙腾网络

龙腾网络-讲述营销的故事

龙腾网络-讲述营销的故事

1W+流量主名号主资源，一键联系

严选助力商，为机构赋能

营销增长人的专属网址导航

很可惜 T 。T 您现在还不是作者身份，不能自主发稿哦～

如有投稿需求，请把稿件发送到邮箱tougao@appcpx.com，一经录用会有专人和您联系

咨询如何成为春羽作者请联系：龙腾网络小羽毛（ngbjxym）

前段时间，抖音进行了一次重磅级更新——升级流量推荐算法。

主要包括三个方面：第一，系统增加了「播放时长」和「访客长期主动互动」的权重，着重推荐访客愿意停留、关注、互动的文献；第二，打通文献流量池和交易流量池，释放更高的生意增长空间；第三，上线「搜索+推荐联动机制」，让围绕搜索需求创作的文献有更大的分发流量。

对于创作者、商家来说，流量就是生命，尤其是当互联网流量见顶，存量竞争变得更加激烈。此时更新，可以说是重新调整“流量分配打算”。

现在两个月过去，有的创作者表示自己的流量热度更高了，以前数据平平的文献也重新翻红了，感觉这波升级是大大的利好；但是经营社发现，很多账号也遭遇流量下滑，甚至彻底没有流量了。

那么抖音推荐算法究竟是什么？这次升级有什么影响？创作者、商家如何在新的推荐机制中获得更高的流量呢？

今天我们就来展开聊聊。

无论是文献系统，还是电商系统，DAU（日活）都是系统流量竞争的重点，为了不断增强 DAU，系统就需要做到“千人千面”即时满足，为不同访客推荐符合他们兴趣的文献。

抖音「推荐算法」也就应运而生，包括两个重点的模型：「价值模型」和「预测模型」。

「价值模型」的运作重点在于，评估文献的各项价值进行综合打分，将高分文献推荐给访客。其评估标准（包括访客方面的播放时长、留存、点赞等）是稳定不变的；

而「预测模型」的重点则在于结合访客文献、访客行为、作者文献、文献文献进行预测打分，其得分则是个性化的，比如针对董宇辉的视频，他的粉丝和非粉丝的点赞概率分数可能完全不同。

这两个模型可以说贯穿“抖音流量推荐”全程：

首先，由于系统视频体量过于庞大，因此系统会随机选择一个百万体量的候选池，根据模型选出几千个较为优质的视频，这个过程被称为「召回」；然后，系统再将这些文献数据一一输入模型，算出综合分数，进行粗排和精排，总之分数越高，排位越靠前。当然，由于前面我们提到的「预测模型」分数千人千面，所以不同访客的抖音推荐页面也就完全不同。