最近，我开始尝试制作简短的视频。除了视频帐户外，它还发布了。一开始，只有500个观看次数，所以我强迫一些简短的视频教 。他们中的大多数人谈论的标签是分散的知识。画猫真的很困惑，这确实令人困惑。

基于在过去的几天里，我读了几本与视频相关的简短书籍的原则，并且在过去的几天中阅读了几本简短的书籍，并且有几本主要谈论简短的视频操作和拆卸流行的大型V视频。观看后，我没有得到太多好处。取而代之的是，张贾的“简短视频内容算法”揭示了内容推荐算法背后的基本逻辑。阅读后，我真正理解了为什么这些广播公司始终提倡正确的标签和筹集目标的账户。

我认为那些最初使杜林真的需要清晰的人，否则他们会绕行很多〜

01/您是谁，您的听众

1-1是被分类的人，而不是内容

在互联网增长的开始时，信息传播的主流建议算法是对内容进行分类，也就是说，非常仔细地标记内容，并根据内容相似性将其推荐给用户。

该算法需要识别所有内容，计算很大，并且很难识别视频或声音。此外，很容易向用户推荐大量相同类型的内容，这使用户感到无聊。

例如，如果您在电子商务系统中浏览诸如“智能”，“黑色”，“时尚”和“ ”等标签的手机，即使您已经完成了购买，您也会将带有类似标签的手机信息推向。相比之下，当前的主流建议算法是对用户进行分类。也就是说，建议基于用户行为的相似性，也称为“协作过滤建议”，包括基于内容的协作过滤和基于用户的协作过滤。

根据共同的偏好，建议基于项目进行协作过滤。例如，用户A喜欢这本书“鹿和大锅”。该系统发现其他喜欢“鹿和大锅”的用户也喜欢“ 的回归”，并且该系统会建议“ 返回给用户A。

基于用户的协作过滤的基本原理是通过用户的偏好聚集具有相同首选项的用户，然后推荐其相似人物喜欢的项目或内容。在下图中，用户A和用户B类似于项目1，因此用户A和用户B属于同一类别；由于用户B也喜欢项目3，因此系统猜测用户A也将喜欢项目3。

在此建议算法下，当系统想要向用户推荐内容时，需要以下两个步骤：找到与用户偏好相似的目标组，然后推荐该组用户喜欢此用户的内容。

协作过滤算法对内容属性识别的要求非常低，只要基于用户的偏好完成聚类，就可以完成建议。

因此，根据协作过滤建议算法，“您生产的内容”的问题无关紧要。该系统只需要知道谁会喜欢它才能推荐它。这也是为什么您会在某些用户的“关注”下看到“您可能感兴趣的人”的相关建议，因为他们已被系统归类为相同类型的人。实际上，您可能对这种类型的用户不感兴趣，而是他们产生的内容。

1-2您吸引哪种类型的人

的建议算法有一个假设，即“您产生的内容代表您的偏好”。在此前提下，建议变得非常简单，因为您制作的内容，即您喜欢的内容，您的同龄人肯定会喜欢。

基于此，您是谁以及您喜欢什么意味着您发布的哪种类型的人会喜欢。

例如，我是产品经理，通常会浏览许多与互联网和金融有关的博客作者的简短视频，但我也喜欢观看笑话和减肥视频。

因为我喜欢观看这些内容，所以我被系统归类为“财务偏好”，“互联网偏好”，“笑话偏好”和“减肥偏好”的用户群集。当我开始创建简短视频时，我的简短视频将被推向同一集群的用户。

我的第一波流量将由这些聚类用户划分。如果我进行与互联网相关的视频，我的有效流量将被稀释，数据效果将非常差。

01-3您的听众是谁？您可以选择

由于算法系统始终是动态的，因此，如果我只想将视频推向与“互联网偏好”相关的用户，那么我可以在系统中塑造我的个性，这通常称为筹集帐户。具体的实施步骤如下：

02/文学性质在推荐系统中毫无价值

02-1算法是一个仅识别标签的工程人员

尽管建议算法本身并未识别视频内容本身，但该系统将标记视频的其他一般信息，给予权重，并在视频上获得用户反馈。

就像您想认识一个人一样，该算法需要三个基本维度来识别内容：内容本身（对应于外观），作者的信息（对应于背景信息）和用户反馈（与朋友的评估相对应）。张·贾（ Jia）老师在向我们推荐视频并将其编译到下表中时捕获了的服务器传输的信息。它主要包括三种类型的数据：内容本身，作者背景和视频传播。

尽管这些代码字段似乎令人眼花azz乱，但我们控制的代码字段并不多，可能会影响算法识别。标题/描述内容更为重要，因为这也会影响您的视频被推向的用户。例如：

作为广告口号，描述一个更具文学作用，但是从算法识别的角度来看，描述两个对分发更有帮助。在分别分开两个说明的信息后，我们可以获得以下标签。

同样，对于喜欢品牌“ ”产品的“小棕色瓶子”产品的用户，与描述相关的视频将分发给标有“ Hard”和“ ”的用户，而与描述两个相关的视频则将分发给追求“保湿”和“效果”的用户。显然，描述两个的反馈将比描述一个更好。

因此，为了迎合算法，准确击中用户比在文本中变得美丽要重要得多。

03/算法时代的流量不取决于粉丝

03-1流量分配不再是线性收购

与订阅时代不同，该平台控制了分配流量的权利。

一般来说，在订阅时代，只能通过粉丝共享才能获得曝光。内容的传播是线性暴露1到10到十到数百。例如，当您的官方帐户发表文章时，只有您的粉丝才能阅读文章。如果您希望更多的人阅读它，粉丝需要再次将其传播。除非由大V或名人共享，否则很难成为没有粉丝的公共帐户的文章。

但是，在算法推荐时代，算法一次推荐该内容一次对一定数量的人进行（视频帐户的冷启动期间，不会在此处讨论）。

例如，在层次交通池中，当创建者发布视频时，视频将进入第一层流量池（视图数量为200〜500次）。如果相应的反馈指标达到一定标准，例如，当推荐用户贡献的喜欢和播放比率达到一定值时，视频将被推到第二级交通库（视图的数量为2000〜3000倍），依此类推，直到达到数百万和数百万的暴露水平。

当帐户的视频受到打击时，视频的第一次曝光带来了粉丝的跨越增长。随着视频的持续曝光和帐户新发布的内容的曝光，粉丝的数量继续以一定的增长率增长，直到下一个命中视频出现为止，如下图所示。

当然，用户还可以直接king货币，以允许他们创建的视频直接进入更高级别的交通池。 推出了Dou+，视频帐户的官方促销工具 促销也开始进行测试。

03-2的长期驱动力是信息不良

算法没有自己的值。判断内容是否高质量的唯一方法是分析推荐用户给出的反馈。

对于算法，用户喜欢的内容是高质量的内容，而用户不喜欢的内容不值得推荐资源消费。从这个角度来看，对算法的餐饮实际上是为用户提供的。

毕竟，内容生产是一种广泛的“知识支付”感，但是用户所支付的不是金钱，而是关注 - 注意信息差距。信息差异有两个来源：信息和需求。信息是“我想知道的内容，但我还不知道”，需求是“我想要但无法获得的内容”。总而言之，信息和需求是“寻求但无法理解”的内容。 “不知道”也可以分为两种类型：“我知道我不知道”和“我不知道我不知道”。

因此，在生产内容时，内容创建者必须生成目标用户“不知道”的内容。它们可以是对方不知道的技能，对方无法想象的创造力，甚至是对方从未听说过的开玩笑。

基于此，在制作视频内容时，您应该注意避免以下问题：

产生的内容太普通了，每个人都知道没有信息差异。尽管向观众提供的信息尚不清楚，但他不想知道。流量交付的“管道”存在问题，也就是说，向用户传达信息的方式存在问题。