抖音算法是什么样的？
1、机器审核+人工双重审核
当一个视频初期上传，平台会给你一个初始流量，如果初始流量之后，根据点赞率，评论率，转发率，进行判断：该视频是受欢迎还是不受欢迎，如果第一轮评判为受欢迎的，那么他会进行二次传播。
当第二次得到了最优反馈，那么就会给予推荐你更大的流量。
相反，在第一波或者第N波，反应不好，就不再推荐，没有了平台的推荐，你的视频想火的概率微乎其微，因为没有更多的流量能看见你。视频火的第一步是被别人看见，第一步就把路给走死了，后续也只能依靠朋友星星点点的赞。
这个算法背后思维逻辑：?智能分发，叠加推荐，及热度加权。
2、叠加推荐
所谓叠加推荐，是指新视频都会智能分发100vv左右的播放量，如转发量达10（举例），算法就会判断为受欢迎的内容，自动为内容加权，叠加推荐给你1000vv；转发量达100（举例），算法持续叠加推荐到10000vv；转发量达1000（举例），再叠加推荐到10wvv，依次累推…所以那些一夜几百万播放量的抖音主也懵比，不知道发生了神马，实则是大数据算法的加权。
叠加推荐当然是以内容的综合权重作评估标准，综合权重的关键指标有：完播率、点赞量、评论量、转发量，且每个梯级的权重各有差异，当达到了一定量级，则以大数据算法和人工运营相结合的机制。
3、热度加权
实刷近百条爆火抖音，发现所有一夜爆火的视频，和抖音推荐板块的视频，播放量多在百万级，综合数据（完播率、点赞量、评论量、转发量）无一例外都很好。
扩展资料：
1：完善自己的资料，越全越好。包括头像、昵称、手机、微博、微信、头条等，越详细越好。因为是机器和人工双重审核，一旦机器进行审核，就会进行大量的劣质剔除。
2、视频需要有亮点。视频只有15秒，在这短短的15秒内，没有亮点，没有转折，大家是不会跟你有任何的互动，并且还有屏蔽功能，一旦用户对你进行了屏蔽，这是很严重的事情，因为后期不会再给该用户进行你短视频的推荐；
抖音的推荐机制是利用的什么原理？
一、智能算法的推荐原理
智能算法推荐的本质，是从一个聚合内容池里面给当前用户匹配出最感兴趣的内容。
这个内容池，每天有几十上百万的内容，涵盖15s短视频、1min长视频、5min超长视频。
而在给用户匹配内容的时候，平台主要依据3个要素：内容、用户以及用户对内容的感兴趣程度。
系统是怎么理解我们创作的内容呢？
平台在做内容刻画的时候，主要会依托于关键词识别技术：通过提取文案、视频中的关键词，根据关键词将内容进行粗分类，然后根据细分领域的关键词，再对分类进行细化。
比如，视频文案及内容的关键词是“罗纳尔多、足球、世界杯”。
大部分关键词都属于体育类词汇，就会先把你的作品分到体育大类，然后根据具体的关键词，再细分到“足球”、“国际足球”等二三级类目。
内容刻画
关键词提取原则：
1）高频词原则：系统从作品、文案中提取高频出现的词汇；
2）独特性规则：大部分文案、内容出现的词，不会被认为是关键词。
比如虚词（的、地、得、而、对于……）；
比如转折词（虽然、但是、因为、所以……）。
独特性原则
怎么才能让系统更好的识别我们的关键词呢？
1）避免使用非常规词。比如：活久见、城会玩、腿玩年、DBQ……
2）名人/地名用全程，不用缩写或外号。比如：詹姆斯vs詹皇，广西、广东vs两广地区，香港、澳门vs港澳……
3）多用具有代表性的实体词。实体词就是一些名词和代词，比如人名、地名、公司名称等。
例如：《流动着的舞台，街头中的故事》，在这个文案中，我们很难提取出有意义的实体词，我们对它进行优化：《印度就是脏乱差？这组图片让你看清印度的另一面，与想象中大不同》
优化后，我们这个就能提取出“印度”这个实体词，知道是跟印度有关的内容，进一步提取，还会发现“脏乱差”、“图片”这些有意义的词汇。
系统是怎么理解用户的？
为了更好的理解用户需求，系统会从多个角度进行用户画像：
1）历史浏览信息（从作品文案、内容中的关键词提取）
2）身份标签（兴趣标签、职业、年龄、性别、机型……）
3）环境特征：根据他们当前的环境（工作、通勤、旅游、娱乐场所、休息……），确认用户的状态
用户刻画
通过这一系列的比对、分析，系统推测还原出一个用户的基本属性，比如：Ta可能是一个正在旅游的男性，喜欢足球、汽车等分类。
系统会把上述的用户特征，归类为这个用户的标签。
用户标签主要分为3大类：
1）用户的基本信息（年龄、性别、地域）；
2）用户的行为信息（关注账号，历史流浪记录，点赞收藏的内容、音乐、话题）；
3）阅读兴趣（阅读行为、用户聚类、用户标记）。
系统根据用户的信息和行为，对用户进行分析计算，计算出用户喜好的分类、话题、人物等其他信息，这样就完成了系统对用户的刻画。
推荐算法的本质
利用作品的特征（主题词、标签、热度、转发、时效、相似度）、用户喜好特征（短期点击行为、兴趣、职业、年龄、性别等），以及环境因素（地域、时间、天气、网络环境），拟合一个用户对内容满意的函数，它会估算用户对每一个作品的点击概率，然后再从系统几十上百万的内容流量池中，将所有的作品按照兴趣由高到低排序，Top10的作品在此时会脱颖而出，被推荐到用户的手机上进行展现。
大概就是这个样子想学的可以私信小编
抖音新好友推荐根据什么逻辑？
抖音新好友推荐根据三个逻辑，分别是：基础流量、叠加推荐、时间效应。
一、基础流量
抖音给每一个作品都提供了一个流量池，无论你是不是大号、作品质量如何。你之后的传播效果，就取决于你的作品在这个流量池里的表现。因此，我们要珍惜这个流量池，想办法让我们的作品在这个流量池中有突出的表现。
抖音评价你在流量池中的表现，会参照4个标准：点赞量、评论量、转发量、完播率。知道了这4个标准，我们就要在一开始视频发出来的时候，想办法发动所有的你能发动的力量去点赞、评论、转发、把它播放完。
二、叠加推荐
我们自己能发动的力量毕竟有限，因此，当作品被推广到更大的范围以后，就不是我们能人工干预的了。既然评论量很重要，那在写视频的标题文案时，就应该考虑设置一些互动问题，引导用户留言评论。
但这里要提个醒：千万不要去刷流量。现在我们看淘宝上面有各种刷抖音流量、评论、点赞的店铺，千万不要去做这种事情，一定会被关小黑屋的，一定会。所以千万不要投机。
三、时间效应
有些视频拍出来之后没火，过几天、过一个星期，甚至过了个把月之后，这个视频却突然火了。所以这个推荐算法其实还是很有意思，它会“挖坟”，带火一些优质的老视频。
所以你比较看好的一些视频，即使它一开始没火，你也要持续去给它去做一些点赞评论，通过朋友圈去转发一下。有可能这个星期没有被推荐，但下个星期有可能就会被推荐。
