1、基于物品的用户行为推荐算法
假如你是用户1，你喜欢了系统内的物品1，系统发现喜欢物品1的用户，还有用户2，用户3和用户4，然后系统还发现用户2、用户3和用户4也都同时喜欢了物品3。在用户喜欢物品的这个行为上，我们是不是可以去猜物品1和物品3是相似的，那么系统就把物品3推荐给了用户1。
这一套逻辑里边是基于对于物品喜欢的角度上去推荐的，所以将它称之为基于物品的用户行为推荐算法，因为他的推荐逻辑是用户喜欢物品这个行为。
2、基于用户的用户行为推荐算法
用户1喜欢了物品1，用户2也喜欢了物品1，所以说那我们是不是可以说在喜欢物品1这个行为上，用户2和用户1属于同一类人？那么系统又发现用户2还喜欢物品3，因为用户1和用户2是同一类人，那么用户1理论上应该也喜欢物品3，所以系统把物品3推荐给用户1，在这个用户行为的推荐方法上，系统关注的目标不再是物品而是人，他把人分成一类一类人，对他们做类似推荐，这个逻辑也没问题。
刚才我们讲到，抖音一天会上传6000万条视频， 所以从算法的计算复杂度的这个逻辑上来说，我们推测用抖音使用的是协同过滤的推荐算法，也就是基于用户行为的推荐算法，这一点也是被抖音官方所承认的。
从这个逻辑上去来看，抖音是把所有的内容分成一簇一簇，各种喜好相似的人分成一堆一堆的，所以才出现了很多关于抖音要养号，要打标签这样的玄学说法。
针对这种说法，如果做一个账号，是生产所有人都可能喜欢的剧情类、搞笑类这种内容的话，你是不需要去养号的，因为不管你的内容发布给什么样的人，他们都会喜欢，因为幽默总能给人带来欢乐的。
但如果你的内容特别垂直，这个时候你就得把你的账号做好的标签分类了。
因为站在我们对面的不是人，不是资深的编辑，而是一台机器，机器不知道里面的内容是好是坏，机器也不知道你的内容应该推荐给1千人，1万人还是100万人，机器唯一能做的，就是根据人类的反馈作出响应。
如果机器把你的内容推荐给了500个人，这500个人里边有499个人喜欢，那代表了两点：一是推荐方向正确了，二是你的内容非常优质。这个时候系统就会加大推荐量，不断地去滚雪球。 但是如果当你的内容被推荐给了500个人以后，这500个人里只有10个人给你点赞，那就只有两种结果： 一是内容方向推荐错了，第二就是这个内容极其劣质。
那这给我们带来的反思，就是如果说你的内容你不管怎么调整，不管怎么定向人群，不管怎么投DOU+，都只有500次播放，不会超过系统既定的这个曝光数，你就要反思你的内容质量了。
不要老是觉得自己好，观众觉得好才是更重要的。
相关文章
