?這個我們把它叫做流量池，抖音會根據算法給每一個作品的人分配一個流量池。之后，抖音根據你在這個流量池里的表現，決定是把你的作品推送給更多人，還是就此打住。

因此，抖音的算法讓每一個有能力產出優質內容的人，得到了跟大號公平競爭的機會。

那么，該如何利用好抖音的算法呢？

（5）利用好流量池

如前所述，抖音給每一個作品都提供了一個流量池，無論你是不是大號、作品質量如何。你之后的傳播效果，就取決于你的作品在這個流量池里的表現。

因此，我們要珍惜這個流量池，想辦法讓我們的作品在這個流量池中有突出的表現。

抖音評價你在流量池中的表現，會參照 4 個標準：

① 點贊量

② 評論量

③ 轉發量

④ 完播率

知道了這 4 個標準，我們就要在一開始視頻發出來的時候，想辦法發動所有的你能發動的力量去點贊、評論、轉發、把它播放完。

（2）疊加推薦

我們自己能發動的力量畢竟有限，因此，當作品被推廣到更大的范圍以后，就不是我們能人工干預的了。這時，我們該如何提升關鍵的 4 個指標呢？

詳細的做法我會在后面提到，這里先簡單說一點，啟發一下你的思路。比如說，既然評論量很重要，那你在寫視頻的標題文案時，是不是應該考慮設置一些互動問題，引導用戶留言評論呢？

我們發現，有些視頻拍出來之后沒火，過幾天、過一個星期，甚至過了個把月之后，這個視頻卻突然火了。所以這個推薦算法其實還是很有意思，它會“挖墳”，帶火一些優質的老視頻。

所以你比較看好的一些視頻，即使它一開始沒火，你也要持續去給它去做一些點贊評論，通過朋友圈去轉發一下。他有可能這個星期沒有被推薦，但下個星期有可能就會被推薦。

（5）不對用戶做任何假設

關于抖音首頁的推薦算法，也可以拿出來一說，從內容邏輯來觀察，抖音推薦算法最大程度保留了新鮮度。抖音首頁采用的是基于用戶行為的推薦。

一種推薦方法是基于視頻和文本內容提取特征，并與用戶畫像特征計算相似度，相似度越高，推薦概率越大。這種推薦的方法弊端是推薦內容缺乏新鮮度，用戶點擊看長腿美女，于是大概率后面的內容也是長腿美女。

另外一種推薦方法是純粹基于用戶行為數據。這種方法不對用戶偏好做任何假設，不對內容文本做特征提取。從個人經驗來談，特征工程是雙面利器，實際情況是，特征工程常常無法挖掘出內容（視頻、音頻or 文本）潛在意圖和特性。從信息熵增原理來理解，世界的不確定性總是朝增大的方向發展。特征提取會把人為的主觀偏見引入模型。最好的假設是不做任何假設。

那么如何基于用戶行為數據，如何建立一個基于事件網絡結構的推薦算法模型？給用戶的推薦路徑可以理解為基于事件網絡的隨機游走。可以參考pagerank，AP等圖模型算法。

（4）隱秘的上癮機制

作為一個爆紅的娛樂性產品，上癮的設計是必不可少的。過年有段時間在家，一有空閑時間便手殘般的刷抖音的首屏推薦。

首先談談煙癮形成的原理，煙中包含的尼古丁可以讓大腦分泌一種叫『多巴胺』的物質，讓大腦產生愉悅感。但尼古丁來的快去的也快，為了找到消失的快感，大多數人會再點上一支煙，重新獲得快感。就在不斷的吸煙->獲得愉悅感->愉悅感消失->繼續吸煙循環中，成癮性依賴。

任何讓你上癮的產品也是一樣的原理，在不斷的刷中，獲得短暫的愉悅感，為了找回愉悅感，繼續不斷的刷。所有游戲的機制設計，都有獎勵成就帶來的爽快感和挑戰挫折的不適感之間來回轉變的機制，在這個過程中成癮性依賴。與抖音類娛樂產品不同的是，游戲的心理滿足感曲線通常是游戲策劃通過每個關卡挑戰難度、成就和激勵的數值調整設計出來的。

（5）注意事項

一定不能植入硬廣，二維碼，低俗廣告等；

一定不能有不良的操作，比如說出現武器等不該出現的鏡頭和畫面；

一定不能讓視頻出現有水印、畫質模糊等問題；

一定不要刷閱讀量、刷喜歡；

我這邊準備了一份抖音運營從入門到增粉到變現賺錢的詳細資料，可以+我（微：545965246） 備注：“抖音 ” 直接領取直播公開課學習抖音賺錢，聽完課，可以再次聯系我，學習抖音并領取相關的抖音學習資料