本文为不二PM针对话题 # 抖音，头条这类用户推荐算法优势是什么？劣势如何解决# 的完整复盘。
话题复盘
图片

Q：抖音，头条这类用户推荐算法优势是什么？劣势如何解决？
A：
首先进行问题拆解，首先我们应该知道抖音、头条的推荐算法方法，然后根据多边角度进行优势及劣势拆解，并对于劣势给出合理可靠的解决方案。抖音与头条推荐算法类似，我们以抖音为主分析其推荐算法，抖音推荐算法基于流量分配中心化和信息流漏斗，标签信息等推荐机制来达到精准推送的目的。

一、抖音中心化推荐算法介绍

1、中心化：抖音的流量分配是属于今日头条系列的产品，是基于中心化流量分配机制，使用多级流量池分级推荐，注重完播率和点赞率，更加注重头部、精品和热点，具备强媒体性质和优秀的用户体验，中心化使得平台对流量进行细粒度的规划，流量分配的规则由平台掌控，调整流量分配的规则。

2、信息流漏斗：第一步冷启动流量池曝光，用户上传视频通过双重审核的作品后，系统将会分配给视频一个初始流量池，一般为200-300在线用户然后根据用户反馈判断视频内容质量进行数据加权；第二步叠加推荐是以内容的综合权重作为评估标准，其中包含四个指标完播率、点赞量、评论量、转发量，同时这一步会给数据好的短视频进行更大的加权，并且会强化人群标签分发，对视频和用户进行标签匹配，让内容分发的更加精准；第三步进入精品推荐池，对精品内容大规模曝光，人群标签被弱化，使得视频被大量用户观看。


（抖音推荐算法示意图 来源于网络）

二、推荐优势

1 、对于创作者：为内容创作者提供了更大曝光的机会，使得人人有可能成为大V,刺激内容创作者的创作积极性，将创作内容标签化同时便于平台的管理以及创作者与用户的高效互动，达到良性循环，进一步提升双方对平台的粘性。

2、 对于用户：根据标签化用户对用户的收藏、喜欢以及个人信息等进行精准用户画像，进一步给浏览者精准推荐所感兴趣的内容，不仅提高用户的使用体验，提升用户的使用粘性，增加用户的使用时长，同时给用户的精准投放利于抖音商业化的发展。

3、 对于平台：根据用户的信息获得用户标签，不断精确化用户的喜好，可以以更低的成本实现用户的转化、留存，提升用户粘性；除此之外不断丰富的数据维度及数据量能够反过来为提升推荐算法的推荐精准度服务，实现良性循环，构造良好的内容生态环境；便于商品精准推荐，提升用户的购买力以及产品使用粘性。

三、劣势及解决方案

劣势：容易出现内容同质化严重，视频内容失去多样性造成信息茧房的情况，当用户推荐内容出现大量信息闭环，以及缺少创意的视频内容可能会导致用户反感，从而破坏用户的使用体验，造成流失用户的可能。

解决方案：可以根据对精准化的用户进行头部内容投放，根据用户的观看时长以及具体动作进行相应调整，同时加大平台内容的多样性，对于不同内容给予流量扶持，营造社区内容多样化，减少大量无效模仿视频，重视知识内容模块的占比。