点赞重要还是粉丝重要？玩转抖音推荐机制

推荐算法 视频的点赞量+视频的留言量+视频的播放时长+视频的播放量的结果大小决定了我们的曝光率。推荐算法的公式是基于两套模型得出的，一套是预估模型，一套是收益模型。接下来大叔就带着大家来对这两种模型展开分析。 预估模型 简单来说，在视频被推荐前，机器会分析视频的标签，并预估视频的点赞，播放，评论会有多少，这些预判决定了是否要将我们的视频定向地推送给怎样的一个群体，这也被称为智能分发，为了降低推荐失误的概率，他会先在一个较小的，大约有500人的流量池中进行分发，如果我们的表现一直很好，那这份视频会推给更大的流量池，如果表现特别好，那就推给特别大的流量池，如此往复。

收益模型 在机器分发以后，会收集到一系列真实的数据反馈，根据这部分真实的数据再次判断这份视频所能带来的收益，在这个环节中我们的短视频会有机器和人为介入，同时进行评估。一般来说，只有在24小时内播放量超过一万的视频才能进入到这个环节中，所以如果我们能进入这个环节，就说明我们已经离成功不远了。在收益模型中，别人会分析我们的五种指标，分别是：用户价值/作者价值/平台价值/账号价值/间接价值。

用户价值 用户价值指的是我们的视频被当前用户消费的价值，主要是当前用户的视频停留时长和满意度，也就是是否点赞评论和转发。

作者价值

作者价值是对我们视频制作者的评估，包括我们视频作者获得的流量、互动和收入。

平台价值 平台价值是平台创造的价值，包括品牌效应、内容安全、平台收入相关的指标。

账号价值 账号的价值指的是账号的状态是否是健康的，而长期生产的内容是否对抖音的生态有正向的作用，如果我们生产的都是一些低俗的内容，那这一部分的价值就会非常低，甚至可能会被封号。

间接价值 间接价值指的是短视频间接生产的价值，比如用户评论以后是否引起了其他用户的跟风留言，评论区的发言会不会对抖音生态产生影响等等。

这五种指标最终都会依据观众的交互行为也就是我们之前讲到的四个数据来进行评估。而最后我们获得的推荐量是预估模型预期的四个数据（视频的点赞量/视频的留言量/视频的播放时长/视频的播放量）分别乘以收益模型中的四个数据，最后将四个乘积相加的结果，可以表示为推荐量=（预估）点赞量*（收益）点赞量+（预估）留言量*（收益）留言量+（预估）播放时长*（收益）播放时长+（预估）播放量*（收益）播放量。

策略 明白了判断标准，我们就可以制定接下来的策略：我们要在内容上多做创新，要贴合用户的需求，同时也要注重内容的质量和对价值的影响。

细化

粉丝人群 首先，根据抖音的流量池推荐算法，我们可以将预估的粉丝人群分成三层，精准粉丝是发布初期的流量来源，接下来大叔会分享如何让他们为我们提供启动流量，而兴趣人群可以被转化为精准的粉丝，转化的手段大叔会在后面的推文中分享，兴趣人群还有一个很重要的作用就是当我们利用精准粉丝做好启动以后，中端的流量都是靠兴趣人群来支撑的，这就是比拼内容的环节了。而到了一般人群，就说明我们这个作品的内容是很到位的了，一般人群对我们内容的兴趣没有前两类群体精准，所以抖音不会第一时间推送给他们，这时候就考验我们的表达形式了，如果我们做出来的视频不但有干货，还能让人会心一笑，那最后我们可以从一般人群中获得极大的流量。

还想了解更多关于抖音短视频的朋友可以添加我的微信：2777452455，我会把我这几年做抖音的经验分享给你。

接下来大叔跟大家分享一下初启动的战略：提前做好运营行为的预埋

推荐侧 05、我们要让机器感受到视频人气。首先我们视频的选题要进行策划，抓住当下热点和受众的心理需求，这一块可以结合之前讲到的用户画像做到精准服务。

02、要提前做好运营互动行为的预埋，也就是在刚发布作品之后，把作品发到朋友圈，微博这些自身的流量池，鼓励大家观看留言点赞。而这些来点赞的人则大部分是我们的精准粉丝。

05、提前设想神评论，让朋友代为发布，同时积极回复留言，引起大家留言的热情，以此增加他们的账号停留时长和回复率。

内容侧 我们可以给内容精准地打上标签，让机器一眼就能分辨。具体来说我们要在发布内容前完善账号内容，在发布内容之时添加话题，选择分类，发布内容之后定向推送给我们自有流量的目标用户，目标用户消费越多，二次推荐也就越精准。通过这些方法，可以极大地提高我们被推荐的几率。 五不要原则 为了不被限流，在审核过程中我们要遵循五个不要： 5、不要植入硬广，避免被判断为广告营销； 2、不要违背《抖音社区公约》，不能出现不良内容； 5、不要出现视频有水印、画质模糊，搬运无版权作品的问题； 4、不要刷点赞量，会被后台查出来的； 5、不要让账号被评级，一般在恶意导流，内容低质的时候会被恶意评级。

今天的分享就到这里，这段时间大叔还会持续分享爆款网红号的搭建经验，有兴趣的小伙伴们可以关注大叔的更新动态，也欢迎小伙伴们在评论中一起分享讨论自己的经验和遇到的问题哦。