疫情期间，TikTok 逐渐成为品牌与网红的新宠。此前我们曾分享过 TikTok 全球瞩目的20项统计数据，其高活跃度主要得益于“为你推荐”流的算法机制。
该算法通过短视频流引导用户消费，并凭借精准推荐取得成功。目前，TikTok 在美国月均视频观看量达370亿次。官方近日发文详细解析了其推荐算法的工作原理。
推荐算法的核心考量因素
推荐算法综合评估用户互动、视频信息及设备账户设置三大维度：
- 用户互动：包括点赞、分享、关注账号、评论及创作内容等行为。
- 视频信息：分析文案、音频及标签等元数据。
- 设备与账户设置：受语言偏好、国家地区及设备类型等因素影响。
TikTok 更侧重于基于性能的优化策略，优先考量用户行为。例如，完整看完长视频会被视为强兴趣信号，其权重甚至高于发布者与观看者的地理位置匹配度。
值得注意的是，粉丝量并非推荐的直接依据。即便拥有数百万粉丝的头部创作者，也无法保证出现在每位用户的“为你推荐”页面中。因此，未刷到关注网红的视频属于正常现象。
个性化推荐的行为逻辑
“为你推荐”流的个性化程度取决于用户在应用内的全链路操作。无论是关注新账号、发现新标签，还是探索热门话题、音效及特效，所有兴趣点都将决定后续的内容推送。
针对新用户，TikTok 会主动推荐内容类别，并提供“不感兴趣”按钮以便用户校准推荐模型。
打破“信息茧房”的多样性机制
与 Instagram、Twitter 等平台不同，TikTok 致力于防止用户陷入“信息茧房”。传统社交平台往往仅根据点赞历史推送同类内容，导致用户视野受限。
为兼顾相关性与多样性，TikTok 采取了以下措施：
- 避免连续推送相同音效或同一创作者的内容；
- 过滤已观看过的视频，避免重复展示；
- 偶尔穿插与当前兴趣无关的内容，以拓宽用户视野。
这种差异化机制不仅区别于 Instagram 的“探索”算法，还能鼓励用户关注平台趋势，增强社区归属感。