我们是北京华网天下科技有限公司，为您提供其中一项业务为：哔哩哔哩视频排名优化提升，和哔哩哔哩下拉词优化。

哔哩哔哩短视频排名优化，就是您发布的视频，在哔哩哔哩有排名，只要有排名，都可以进行优化到前3名。下拉词就是通过哔哩哔哩搜索时，能够让用户看到您的品牌名或者联系方式，也就是行业的热点搜索词，提升曝光度。您可以进入我们的公司官网或者联系商户经理微信ysfsyt1

B站视频排名优化【哔站业务-商务合作-请进】哔站下拉词B站 为例，详解软件如何高效推送信息及创作者和用户如何利用推荐系统反哺自身

本文将以Bilibili为例，详细解答软件如何更高效的向你推送信息？作为创作者和使用者，你又能如何利用推荐系统反哺自己？

零售电商推荐你喜欢的生活用品、新闻阅读推荐适合你口味的知识、短视频软件推荐你喜欢的娱乐视频……

自从个性化推荐算法被广泛应用于各类软件之后，“因人而异的推荐”这句话已经被网民所熟悉。

可以说，这些常用的软件可能比消费者自己更了解你的喜好。

但你真的知道这些软件是如何更有效地向你推送这些信息的吗？

作为创作者和使用者，我们该如何利用推荐系统让自己受益呢?本文将以B站为例，详细解答这些问题。

本文结构如下：

1. 标签处理：构建内容和用户画像

所谓“千人千面”，在产品语境中指的是用户，“面”指内容。一方面，用户因年龄、性格、爱好、生活经历等不同，对内容的需求也不同；另一方面，内容的类型和质量也会影响用户的喜好。

用户与内容的高效连接与互补是推荐系统，特别是推荐算法的最高目标。

1. 内容标记

我们首先来看一下用户视角。

进入B站，有动漫、音乐、舞蹈、科技等按内容类型划分的清晰的一级导航区域。以科技区为例，可以拓展为科普、人文社科、公开课等二级导航。选择科普栏目，还可以看到环境、科学、生物、气象等小分类。

我们以罗翔教授的文章《为什么要从严解释刑法》为例，从科技频道 > 社科人文频道，进入视频详情页，在页面中间可以看到与该视频相关的信息，这里有三条重要的信息。

首先，视频播放量、弹幕量、评论数、数据排名表现分别为161.1万条、2.6万条、7967条，全站日最高排名为第七。

第二，点赞数、踩数、投币数、收藏数、子项数。踩数不显示。其他可量化的数据有24.1万、10万、3.3万、7616。

三、视频标签，这里区分出比较热门的罗翔、法考专辑标签，以及刑法、校园星UP、厚达等常见热门话题。

这样就可以获得关于视频内容的tag标签。

那么这些标签是怎么来的呢？我们先从投稿环节来看看，哪些是创作者可以控制的。

从提交页面我们可以看到，用户上传视频后，有五项可以填写，分别是分区、标题、类型、标签、简介。标签选项可以为自定义、推荐来源、参与活动。

如果对一段内容在提交视频前后进行画像，其中创作者相关信息和内容信息可以归类为静态数据，而具体数据表现为随时间而变化，则归类为动态数据。

2. 用户标记

一切都是相通的。“你的气质藏在你读过的书和走过的路里”告诉我们，性格特征会受到阅读习惯和生活经历的影响，而用户的浏览、消费等操作行为也隐藏着个人喜好。

我们先来看看B站会记录哪些用户的信息和行为数据。

历史浏览行为：

播放历史记录可以让用户轻松追踪自己在何时观看了哪些视频，但用户往往不会关注自己观看了哪里，而只关心下次点进时是否可以跳过已经播放的部分。

但播放时长占比是评判视频质量的重要标准：如果播放时间较短，用户可能只是被播放量或标题吸引，随意点进去观看，但其实对这样的内容并不是很喜欢；

如果播放时间中等，说明用户可能比较喜欢该类型的内容，但是视频长度或者质量会影响观看完成度；如果播放时间较长，则反映该类型的内容可能引起用户的兴趣。

此外，用户在视频详情页对内容的点赞、收藏、踩等行为也体现了用户的个人偏好；评论作为文本数据，也能从长度、情感倾向、可读性等方面体现出用户对内容的喜好。

以上几种能够被用户清楚感知的行为被称为显性行为，而另一类不容易被用户感知的操作，例如屏幕操作轨迹、停留时间等，则被称为隐性行为。

后者除了用来构建用户画像外，还可以用来激发用户的显性行为，比如在B站视频详情页的停留时间达到一定程度，就会触发分享图标变为色彩鲜艳的微信图标。

用户关注和订阅的上传者和话题也会透露出他们的兴趣爱好，比如，如果某个用户的关注列表中，有70%的上传者都是巫师财经、硬核半佛仙、理财丸这样的上传者，那么系统在评估该用户的兴趣爱好时，就会将这个用户标记为财经爱好者的概率非常大。

消费行为：

除了会员资格，B站用户的消费还包括课程、虚拟游戏、演出展览、线下游戏等，而这些消费都会留下交易金额、时间、地址、类型等痕迹。

在哔哩哔哩数亿的活跃用户中，手游月均付费用户接近150万，直播带货季度付费用户120万，占比仅1%左右。作为“金牌赞助商”，他们不仅享受比普通用户更好的权益，还因为消费力突出而被推荐系统“瞄准”，被打上“消费力不俗”的标签。

身份信息：

用户的身份信息包括性别、年龄、教育程度、地理位置等，在允许访问通讯录、上网浏览记录后，平台还可以获取社交关系等产品使用信息，从而推断用户对产品的需求。

综上所述，本文得出一个关于用户信息和行为的tag标签。

从B站首页可以发现，基于兴趣推荐的视频大致可以分为以下几类：已关注、高赞视频、后起之秀计划、关注者点赞、广告、互动视频。这些标签都是根据内容或者用户的tag标签来推送给用户的，但单一的标签处理，在推荐的准确率上还有提升的空间。

2. 创建圈子：内容聚类和用户群体细分

完成内容和用户的标签处理后，二者依然是个体，但个体会因为标签的相似性而产生连接，从而让多个个体进入同一个圈子。权重和相似度通常

作为划分圈内个体间联系程度的标准。

1.内容聚类

内容之间的相似度往往根据创作者相关信息（认证、关注）或者内容信息（频道、话题活跃度、关键词）来计算，而数据表现一般用于排行榜或者热门榜单的排序展示。

该算法通常用在热榜推荐场景，比如动物圈里的热门标签，如狗、猫、大熊猫，因为内容信息中关键词相似，可以归为同一类视频，可以放在一起展示；或者在搜索场景中，根据关键词进行搜索，通过关键词匹配数据库中的创作者或者内容信息。

2. 用户组

用户之间的相似度往往是基于用户行为来计算的，这个过程被称为协同过滤，主要以基于物品的协同和基于用户的协同作为底层框架。

基于内容的协作：

主体是内容，根据用户喜欢的视频，找到与这些视频相似的内容，推荐给用户。不同于上述内容聚类，内容协作的筛选标准是用户行为与内容的相似度，而后者标准没有考虑用户的偏好。

基于用户的协作：

主体是用户，根据某个用户喜欢的视频，找到和这个用户有相似喜好的用户，然后把这群人喜欢的视频推荐给这些用户。

我们以用户在哔哩哔哩上浏览不同视频的情况为例，来区分这两类推荐方式。假设用户A喜欢看科技、数字领域的内容，哔哩哔哩会向这类用户推荐什么视频：

根据给定的内容分区和浏览用户，系统判断用户的喜好，在内容协同下，系统会向用户A推荐游戏专区内容，因为这三个分区的浏览用户比较相似。

基于用户的协作，系统会向用户A推荐动漫和游戏区，因为A的浏览历史与用户B、C更加相似，而该群体似乎更喜欢这两个分区。

这个算法比较多用在推荐场景，看下面的例子我们可以看到，用户近期的观看偏好和关注都是舞曲，所以首页推荐的同类视频占比可以达到60%以上。

3.巧妙利用建议：B站up主和平台运营

1. 涨停大师操作建议

（1）内容冷启动

对于B站新出品的视频来说，其数据表现短期内并不具备很高的参考价值，因此推荐系统可以参考内容提供商的静态信息。

从创作者相关信息来看，以往创作记录较好的up主的新内容在冷启动阶段会获得更高的推荐量；从内容信息来看，标题、更新时间、关键词、封面是主要因素。

（2）培养持续创造能力

对于一个up主来说，标题和关键词的选取不过是短暂的轰动，真正获得稳定的粉丝和预期的收益，关键在于提升内容质量，培养自身持续的创作能力。

基于平台对内容原创度、垂直度、热度的衡量，上主可以更有针对性地寻找自己擅长、受欢迎的板块，构建自己的创作周期体系，保持更新时长和内容质量的稳定。

（3）普通用户也可以训练自己的观看列表

通过推荐算法的机制，普通用户也可以参考其原理，训练自己的推荐列表，从而合理使用Bilibili。