一种基于“人”的维度,先通过用户行为(如点赞)找到与用户兴趣相似的人,再将他们喜欢的视频推荐给用户;
另一种基于“视频”维度,先通过全体用户对视频的偏好得到视频间的相似度,再根据用户历史喜欢的视频记录将相似视频推荐给用户。但该算法无法解决冷启动问题,即无法向用户推荐尚未产生用户行为数据(如点赞)的视频。
而另一种算法对此形成了很好的补充——内容推荐算法即通过视频标签找到相似视频,并根据用户历史喜好记录将类似视频推荐给用户,其中标签既可以通过人工tag,也可以从视频内容本身抽象得出。
此外,通过推荐视频中出现的“关注的人赞了该视频”的提示,推测算法还融合了社交关系网络。
为用户推荐内容池中的非匹配内容,缓解用户审美疲劳,拓展用户兴趣标签,动态更新用户-内容匹配关系。为用户推荐可能感兴趣的人,丰富关系链,优化匹配效果。产品中可见的推荐类别大致有:社交链好友、有共同好友的人、可能认识的人、关注的人也关注的人、可能感兴趣的人等。
用户-内容回环通过不断优化两者的匹配关系,完成用户留存的重任,让用户产生“刷的停不下来”的内容消费体验。
综上,可以看出3个回环存在“我中有你,你中有我”的关系,任何1个回环的优化都可能带动其他2个回环效果的提升,这就是我理解的抖音让我停不下来的魔力。
细心的读者一定发现了,在我的阐述中似乎并未提及AARRR中的变现环节,由于变现是商业产品的最终目的,所以留在《中篇:抖音的商业化及其趋势》中进行讨论,感谢大家献出宝贵的时间。