1.2 推荐机制:流量池+时间效应+权重算法
抖音短视频的曝光机制采用的是推荐制,即短视频的曝光量取决于平台给予的推荐量。短视频制作者要想在抖音平台上获得更多的推荐量,需要了解“流量池”“时间效应”“权重算法”三个方面的内容。
1. 流量池
抖音具有隐形的流量池机制,流量池机制控制上传至抖音的每个视频所获得的推荐位置。推荐位置按照可观看人数的不同分成“百人播放位”“千人播放位”“万人播放位”……不同的播放位相对地获得不同程度的曝光量。
流量池的根本原理(即基本算法),是指一个新上传至抖音的视频,通过一轮一轮的筛选,逐渐获得更高曝光量的过程。
具体而言就是,在抖音上,任何人拍的任意作品,系统都会分配一个基础的播放量,这个播放量大概在0~200次。在基础的播放量之内,抖音会根据作品获得的点赞数、评论数、转发数及完播率来判定此视频是否需要突破200次的播放量,然后再被推送到下一个流量池。可见,图1-16中的四项数据对于每一个视频的曝光率来说至关重要。
图1-16 流量池算法参照标准
撇开流量池基本算法原理本身,抖音中对曝光量影响最大的还有短视频本身的内容质量,高质量的短视频内容可在大范围内自主转播,这能让系统将其推送到更多的流量池,从而实现良性循环。
2. 时间效应
时间效应是指视频被系统推荐。视频不会因为发布时间的增长而使被关注度降低,反而常常会出现发布很久的视频被系统推荐的情况。所以,只要自己的视频内容好,即便是新发布的视频无人问津,但如果在后期获得了一定的评论、转发、点赞及播放量,也有可能获得系统推荐。
例如,抖音用户“华农兄弟”发布的第二条视频,在刚发布一周内,点赞数量仅有500多次,评论数量仅有50多条,转发数量仅有10多次。但是过了一周以后,这条视频突然获得了系统的推荐,于是在一周后的短短三天内播放量暴增,点赞数达到80 000多条,评论数达到6 000多条,转发数达到7 000多次,如图1-17所示。
图1-17 “华农兄弟”视频截图
像这样的情况并不是个例,除了“华农兄弟”这个视频以外,还有很多类似的情况出现,这都是时间效应的影响。
3. 权重算法
抖音的权重算法是指在流量池算法的基础上做更加细节化划分的算法机制。所谓权重是指某一因素或指标相对于某一事物的重要程度,强调的是因素或指标的相对重要程度,而不仅仅是某一因素或指标所占的百分比。通常情况下,权重可通过划分多个层次指标进行判断和计算。抖音权重无非就是抖音平台从规定的几个方面对每个抖音账号进行评判。那么抖音平台是从哪些方面对抖音账号进行评判的呢?抖音权重指标如图1-18所示。
图1-18 抖音权重指标
权重算法的具体过程被称作是内容权重过程,是指一个视频在上传初期,会得到平台的一个初始流量,在获得初始流量之后,系统再依据点赞率、评论率及转发率的差别进行二次判断,最终判定此视频是否受欢迎,一旦被判定受欢迎,系统就会对这个视频进行二次推广。
如果第二次的推广获得了更好的反馈,系统就会再给此视频更大的流量,并且依此类推进行第三次、第四次、第五次……的推荐,这就是内容加权的过程。
内容权重的算法可以概括为三个步骤,即智能分发、叠加推荐及热度加权。
第一步:智能分发。所谓智能分发,是指在新视频上传后,被智能地分配到不同的流量池。前期的流量分配主要以附近的人和关注的人为主,然后按照用户标签及视频内容的分类把视频分发到不同的流量池。
第二步:叠加推荐。所谓叠加推荐,即根据流量池算法由一万次播放量递增到百万次甚至千万次播放量的过程。叠加的前提是播放量、转发量、评论量及完播量要达到流量池每个阶段的要求。
第三步:热度加权。所谓热度加权,即火爆的视频在获得加权后,会更加频繁地获得推荐,这种高频次的推荐会使原本火爆的视频热度更高。
很多时候,权重算法往往包括流量池机制和时间效应。换句话说,流量池机制和时间效应在大多数时候是要满足权重算法的基本要求的。