抖音的算法機制一直是創作者們關注的焦點。如何讓自己的視頻獲得更高的曝光率和流量，成為每個創作者追求的目標。本文將深入剖析抖音官方公布的推流算法機制，將其轉化為通俗易懂的數學公式，并結合實際案例，為你揭示如何科學提升視頻推流的秘訣。
抖音官方已經明確公布了它的推流算法機制，現在回過頭來看，網上那些教別人如何破解抖音推薦機制的導師們就顯得很尷尬了，因為你連基本的抖音推薦算法都是自己”瞎蒙“的，又怎能真正的教會別人怎么破抖音推薦算法呢？
這次抖音官方公布的推流算法內容并不多，只是讓我們真正意識到一個問題：一個好的抖音視頻不只取決于完播率，還有系統的推薦打分公式來決定的。
（抖音官方公布的推流機制圖）
（抖音官方公布的打分機制）
既然抖音官方已經公布了機制，但是依舊有很多人完全看不懂這些，更不要說如何利用機制去破機制算法，好讓自己以后發的抖音視頻更容易爆。
今天就讓我清晰的帶領大家系統的了解這個推薦算法機制。
我先將抖音官方公布的”推流機制圖“和”打分公式“整合成一系列的公式/數學公式，讓大家清晰的看明白。
一、將機制轉化為數學公式
第一：基礎推薦優先級公式
核心算法框架
推薦優先級=∑i=1n(行為概率i×價值權重i)
變量說明：
行為概率i：模型預測用戶對視頻觸發第i種行為的概率（如點贊、完播等）
價值權重i：平臺對第i種行為的權重賦值（動態調整）
這個”基礎推薦優先級公式“到底是什么意思呢？其實很簡單，總結一句話就是：推薦優先級 = （點贊概率 × 點贊權重） + （完播概率 × 完播權重） + （分享概率 × 分享權重） + ……
什么叫“行為概率”？
其實就是系統在猜用戶會不會對你的視頻干點啥。具體啥呢？比方說：
- 用戶能不能把視頻一口氣看完（這就是完播率）；
- 會不會給你點個贊；
- 會不會留個言；
- 或者分享出去；
- 再或者是關注你。
舉兩個例子你就明白了：
例子1：如果你的視頻一開頭就讓人覺得特別抓眼球，系統會琢磨：“這小子大概率能看完。”這就是完播概率高。
例子2：如果你在視頻里喊了一句“點贊的今年發大財！”估計看的人會琢磨：“點個贊唄，又沒啥損失。”系統就會覺得，這人大概率會點贊。
“價值權重”又是什么？
這其實是抖音給每個用戶行為打的分兒，代表這東西有多重要。比如說：
例子1：抖音最近想讓人多分享視頻，那分享的分量就大（可能一個分享頂三個贊）；
例子2：要是抖音發現，不少人雖然點了贊但根本沒看完整視頻，它可能會把完播率的權重調高點兒。
繼續給你整倆例子：
例子3：抖音這段時間想推那種不長不短的視頻，完播率就變得金貴了。哪怕你視頻稍微長點兒，只要用戶堅持看完，系統就更樂意給你推薦。
例子4：要是抖音發現，評論區熱鬧的視頻能把用戶留住，那評論的分量可能就上去了。你視頻評論要是特多，被推薦的機會也就大了。
二、行為概率預測模型（深度學習公式）
行為概率i=f(X用戶,X內容,X上下文)
特征輸入：
X用戶：用戶歷史行為（點擊、停留等實時/長期數據）
X內容：視頻特征（時長、標簽、BGM等）
X上下文：環境變量（發布時間、設備等）
示例（邏輯回歸簡化版）：
點贊概率=1+e?(w1x1+w2x2+?+b)1
（w為模型訓練權重，x為特征值）
這個公式的具體含義其實也很簡單：
抖音就像個“半仙”，能瞅出你刷視頻時的習慣，然后猜你會不會點贊、會不會看完，甚至會不會分享。這背后其實有個“算命公式”
這個“算命公式”的公式啥樣？
它差不多長這樣：
“你會不會干啥的概率” = f（你平常的行為，視頻的特點，刷視頻時的情景）
舉個常見的例子：
如果你總是給吃的喝的的視頻點贊，抖音就會猜：
——“這小子看到美食視頻，八成會點贊，概率80%。”
而如果你從來不看長的視頻，抖音又會琢磨：
——“這人不會看三分鐘的視頻，估計他只會看個10%就溜。”
1.抖音這“半仙”憑什么給你算命？
主要是根據三方面的數據來猜你會怎么著：
（1）你的習慣（你這個人的特點）
——你最近都給什么視頻點贊了？（比方說你總看小貓小狗的視頻）
——你一個視頻能看多久？（有的人5秒就滑走，有的人一定看完）
——你是不是關注了一堆類似博主？（比如健身博主你有10個）
舉個例子：
如果你昨天剛給一個“減肥教程”點了個贊，抖音立馬覺得：
——“這家伙對減肥感興趣，接下來看到類似視頻，點贊概率提高30%。”
（2）視頻有什么特別的地方（內容特點）
——這視頻多長？（15秒？還是3分鐘？）
——用了什么背景音樂？（這歌是火的還是沒人聽的？）
——帶了啥標簽或者標題？（比如#搞笑 #實用技巧 #感情故事）
簡單舉個例子：
要是某個視頻用了眼下爆火的音樂，抖音就琢磨：
——“這背景音樂那么火，那這視頻的點贊概率提升20%。”
要是視頻標題里寫著‘教程’倆字，抖音尋思：
——“愛學習的人大概愿意看完，整個視頻被看完的概率加上15%。”
（3）你在什么情景下刷視頻（也就是場景）
——你幾點刷的？（是早上上班路上？還是晚上睡覺前？）
——你用的啥手機？（iPhone還是安卓？）
——連的WiFi還是用流量？（抖音知道WiFi用戶往往更有耐心看長視頻）
比如說，你半夜11點躺床上刷抖音，抖音立刻判斷：
——“這個點兒用戶想看輕松搞笑的，來，給他推幾個逗樂的視頻。”
你要是在外邊用流量刷視頻，抖音心想：
——“用流量的可能不想看太長的視頻，推點短小精悍的吧。”
2.抖音怎么“算”出這些概率的？（說點簡單的數學）
盡管抖音用的那套AI可復雜了，但你可以拿“考試打分”來做類比，這好懂吧。
粗糙版的公式大概長這樣：
“點贊的概率” = 1 / (1 + e^-(w?x? + w?x? + … + b))
不大好懂？沒事兒，分解開就明白了：
—?x?, x?…：這些代表視頻的不同特點（比如“時長”，“背景音樂火不火”）
—?w?, w?…：這代表抖音給各個特點打的分（比如它覺得背景音樂的熱度可能比時長更重要）
—?b：基礎分，這就像考試里的及格線。
比如抖音已經摸出來：
— “用了熱門背景音樂”（給這個特點x?打1分，w?重要性打2分）
— “視頻就15秒”（x?打1分，w?重要性打1分）
— “你以前愛點贊這類視頻”（x?打1分，w?重要性打3分）
— 基礎分b呢，就算0吧。
這么一算：
“點贊概率” = 1 / (1 + e^-(2×1 + 1×1 + 3×1 + 0)) = 1 / (1 + e^-6) ≈ 99.7%
這就很直觀了，抖音能猜：
—“這個視頻你基本百分百會點贊！”
三、多目標價值評估模型公式
視頻總分=α?完播率+β?點贊率+γ?分享率+δ?關注率+?
動態權重規則：
平臺定期調整α,β,γ等參數（例：近期側重「分享」則γ↑）
中長視頻補償機制：完播率=行業基準時長實際播放時長
這個公式的意思是：抖音其實悄悄給每個視頻打了一個“隱藏分數”，分數高的就被狂推，分數低的基本上就沒人搭理。
那這個分數是怎么算出來的呢？簡單來說，大概是這么個公式：
視頻總分 = （完播率 × α） + （點贊率 × β） + （分享率 × γ） + （關注率 × δ） + 其他因素
這幾個字母到底什么意思？一個個說吧。
- 完播率：就是有多少人把你的視頻從頭到尾看完了。看完的人越多，這個完播率就越高，你的分數也跟著上去。
- 點贊率：多少人給你點了贊，這個不用多解釋吧。
- 分享率：有多少人把你的視頻轉發出去了。
- 關注率：因為你這個視頻，有多少人關注了你。
α、β、γ、δ：這些是抖音給每個行為打的分值權重，它不是固定的，抖音經常會根據情況調整。
再說說什么是“動態權重”。抖音會時不時調整這些系數（就是α、β、γ、δ這些）。假設抖音這段時間發現，大家通過分享能帶來更多新用戶，那么它可能就會把分享的權重（γ）調高一點。也就是說，分享這個行為在計算總分時變得更重要了。
比如說：
如果抖音現在這幾個權重是：
- 完播率（α）= 5分
- 點贊率（β）= 3分
- 分享率（γ）= 4分
而你的視頻數據是這樣的：
- 完播率 = 60%
- 點贊率 = 40%
- 分享率 = 20%
那算下來你的視頻總分就是：
60% × 5 + 40% × 3 + 20% × 4 = 3 + 1.2 + 0.8 = 5分
但假如抖音發現分享真的特別重要，就把分享的權重（γ）調成6分，那這個時候，你的新分數就變成：60% × 5 + 40% × 3 + 20% × 6 = 3 + 1.2 + 1.2 = 5.4分
這樣，分數就跟著漲了。
另外，抖音還搞了個中長視頻的“補償機制”。因為抖音知道，長視頻更難讓人堅持看完，所以它會“照顧”一下長視頻。具體咋補償呢？完播率不是簡單看多少人看完了，而是看你視頻的實際播放時長除以一個行業基準時長。
舉個簡單的例子：
如果你的視頻是1分鐘，但同類視頻別人平均就看30秒，那你的完播率會被放大，也就是說，抖音會覺得，你看，你的視頻盡管長，但大家多看了這么多，不能讓你吃虧，于是給你更多的分。
就這樣，抖音的推薦算法綜合考慮了這些因素，不論你是發短視頻還是中長視頻，都會有一個合理的分數來決定你能不能火。
這種打分機制其實說白了就是刺激你去發那些更能引起互動的內容，想讓每個視頻都多點人看，多點人轉，因為這樣，對平臺和用戶來說都是雙贏。
四、實時反饋修正公式
權重i(t+1)=權重i(t)+η?(實時行為率?預測行為率)
參數說明：
- η：學習率（分鐘級更新）
- 實時行為率：當前時段用戶實際行為數據
這個公式的具體含義是：抖音算法是怎么邊看邊改的。
抖音的算法其實挺像一個不斷改卷的老師。你發的視頻，它會先自己琢磨一下：“這視頻估計有50%的人會點贊或者看完。”這是它的預測。
然后，視頻發出去了，它就開始盯著用戶的動作，看看多少人真的點贊、看完了。哎，結果發現，誒，實際點贊率有70%！這就是它的實際觀察。
看到數據出來后，算法馬上就行動，尋思著：“喲，比我預想的要火啊！那行，我得多推推這視頻。”于是它把你的視頻推薦給更多人，這就叫調整權重。
再用大白話拆解一下這背后的公式——
- 新權重其實就是下一分鐘這視頻能拿到的流量，抖音是每分鐘都重新算你的視頻該有多少曝光機會。
- 當前權重呢，就像現在“點贊”這行為的“分量”，假設現在是3分。
- 學習率說的是抖音調整的速度。打個比方，學習率如果是0.1，它調整起來就慢，像溫吞水。但如果是0.5，那調整起來就像個暴脾氣。而抖音，屬于后者，分分鐘大刀闊斧地改動。
- 打臉程度挺有意思，就是實際表現和預測之間的差距。如果實際比預測好（比如你預測50%點贊，結果有70%），那算法會立刻加權重：“哎喲，低估了，得多推點。”要是實際比預測差（比如預測50%，結果只有30%），它就會立馬減分：“算了算了，少推點吧。”
來看個具體例子。
假設，你現在的“點贊”權重是3分，抖音原本預計你的視頻會有50%的點贊率。但視頻發出去后，前5分鐘，真真實實的點贊率有70%！而且抖音的學習率還設得比較猛，η=0.3。
那它怎么算呢？新權重就是：
3 + 0.3 × (70% – 50%) = 3.06分。
你看，雖然只多了0.06分，但抖音每分鐘都這么調，幾個小時后，權重就可能蹭蹭地往上漲。
最后，因為這視頻實際數據比預期的要好，抖音自然要把視頻往更多人的推薦頁塞，順便還把“點贊”這個行為的權重稍稍提了一小把。
簡單來說，抖音算法就是在不斷地預測、對比、調整，像個見機行事的老師，時時刻刻根據你的表現修正對你的關注度。越好，越推，越推，越好。
五、冷啟動流量分配公式
初始曝光量=基礎流量×創作者信用分×內容相似度
信用分：歷史違規記錄、內容質量等
相似度：與近期爆款視頻的標簽匹配度
抖音給你新視頻的第一波流量，其實看三點：
基礎流量（算是平臺給的小福利）
每個新視頻都會有個三五百的播放量，這事基本沒跑。你可以把這理解為抖音給你的一點“甜頭”，試試你的視頻是不是受歡迎。
賬號信用分（看你是不是靠譜）
加分方面（有三種）：
1.經常發自己的好內容。
2.不違規、不搞刷贊那些小動作。
3.多和觀眾互動，評論分享多，平臺肯定喜歡。
扣分方面（也有三種）：
1. 要是直接搬運別人視頻，被發現可就麻煩了。
2.發些不該發的詞或者低俗內容，直接限流沒商量。
3.突然發硬廣，系統會覺得你是營銷號，立刻打入冷宮。
如果你的信用分高，抖音一開心，多給你幾百播放都有可能；要是分低，也就給你一兩百打發了，甚至直接不給曝光。
相似度（說白了，蹭熱度的能力）
抖音會看：
你的視頻標簽和最近熱門的像不像。
背景音樂是不是和當下火的那個一致。
封面是不是最近流行的那種。
如果各方面都和熱點沾邊，抖音會覺得你這視頻也可能火，大方給多點流量；要是差得遠，它可能就覺得你這視頻沒啥看頭，隨便給點打發了事。
舉個例子：
A賬號，信用分高，視頻也像爆款：
初始播放量大概能有個500 × 1.2 × 1.5 = 900左右。
B賬號，信用分低，視頻也沒蹭上熱度：
初始播放量可能就500 × 0.8 × 0.6 = 240，估計難有什么起色。
簡單說，A視頻有更大的機會火，B視頻可能就這樣默默無聞了。就是這樣，靠的還是自己的內容和選擇蹭熱點的小技巧。
六、用戶興趣衰減模型公式
用戶興趣權重=e?λt?歷史互動強度
- λ：衰減系數（如30天前的點贊權重降至10%）
- t：行為發生時間距離現在的天數
抖音其實挺“健忘”的，就像人一樣，昨天的事兒記得清楚，時間一長就慢慢模糊了。比如你昨天看了個寵物視頻，順手點了個贊，抖音馬上給你推一堆類似的，恨不得刷十條有九條都是小貓小狗。但你要是半年前點贊過健身視頻，抖音基本上就當沒這事了，再難刷到相關的。
怎么理解這“忘性”呢？可以拿個簡單的公式說事兒。
（1）e???——興趣“過期”的速度
這公式看起來復雜，其實說白了就是個時間因子，體現你對某個東西的興趣會隨著時間慢慢減弱。這里的λ（衰減系數）代表抖音的“忘性”有多快。假設λ等于0.1，意思就是30天后，你對某個內容的興趣就只剩下10%了。而t就是離你上次互動過去多久了，比如3天，或者30天。
咱們舉個簡單的例子，假設λ還是0.1：
你10天前點了個贊，那這時候興趣權重差不多還剩個37%的樣子，抖音可能偶爾還會給你推類似的視頻，但不會像一開始那么瘋狂。
你要是30天前點贊的，權重就只剩5%左右了，這時候抖音基本就當你已經不感興趣了，很少會再推相關內容。
（2）你當時多“上頭”也很關鍵
除了時間，你當時的互動程度也很重要。你要是不僅點贊，還評論加分享，抖音就覺得你特別愛這類視頻，接下來會給你推一堆相關的。但你要是就隨手點個贊，抖音也可能覺得你只是一般喜歡，推得就沒那么勤。
比如說：
你昨天又點贊又評論還分享了一個視頻，抖音立馬就明白了，你這段時間肯定迷上了這種內容，接下來幾天它會源源不斷地給你推類似的東西。
如果你就隨手點個贊，抖音覺得你可能興趣不大，也就是偶爾給你推一點。
抖音到底怎么用這個邏輯呢？
1. 短期興趣——記得特別牢
最近幾天的喜好抖音都給你記在小本本上，比如說你今天搜了“減肥”相關的內容，明天一打開抖音，全是減肥視頻等著你。
2. 中期興趣——偶爾想起
要是一個月內你點了贊或者看了相關內容，抖音還會時不時地給你推一推。比如上個月你看了一些旅行視頻，這個月說不定還能刷到幾個，但不會像一開始那么多。
3. 長期興趣——忘得差不多了
但時間再長點，抖音基本就“失憶”了。比如你半年前點贊過游戲視頻，抖音早就把這事忘得一干二凈，推送也就很少再出現相關內容了。
這就像是你對某些東西的興趣也會隨著時間慢慢變淡，抖音只是在用一種數學的方式把它表達出來了而已。
七、生態護欄約束條件公式
平臺通過以下約束過濾內容：
內容安全分≥θ1
營銷號概率≤θ2
多樣性指標∈[θ3,θ4]
參數含義：
θ?：內容安全最低閾值，低于θ?直接限流/下架
θ? ：營銷號判定最高閾值，超過θ?降低推薦權重
[θ?,θ?] ：內容多樣性合理區間，低于θ?=太單一，高于θ?=太雜亂
這又是什么意思？
其實抖音的那套算法，其實就跟火車站安檢差不多，視頻得過三道關卡。
頭一道關：內容安全（θ?）
這以下幾條是高壓線，碰了立馬被攔：
1.露骨的、暴力的畫面（就算是打碼了也沒用）
2.涉及敏感話題的東西，像什么政治、謠言、社會上的負面消息
3.偷別人的內容（要是被人舉報，直接扣分）
過關的小竅門：
敏感詞可以玩點諧音梗，比如用”VX”代替微信。
碰到有爭議的話題，只擺事實，別站隊。
影視剪輯這類的，你得加點明顯的二次創作，不能直接搬。
第二道關：查你是不是營銷號（θ?）
這些行為很容易被判定為營銷號：
1.連續發三條帶貨視頻
2.評論區一堆回復”私信獲取”的
3.視頻里亮出聯系方式超過2秒的
應對策略：
帶貨視頻不要連著發，中間插條干貨內容。
微信號可以做成動態水印，每秒挪個位置。
說話盡量自然點，比如”需要完整清單的寶貝，看我主頁第一個視頻”。
第三道關：看內容是不是多樣性（θ?-θ?）
這兩點是系統不太喜歡的：
1.內容太單一（比如，一連十條都從一個角度口播）
2.內容太雜（今天講美食，明天聊財經，后天又說情感故事）
最佳的平衡策略：
主打的內容占八成（比如，健身賬號大部分發訓練教程）
穿插兩成相關擴展內容（像健身的飲食建議，裝備測評這些）
固定3到5個內容模板，輪換著用（比如周一干貨、周三拍個vlog、周五來個問答什么的）
舉倆例子給你看看實際效果
假設抖音現在的閾值是這樣的：
安全分θ?=60（不到60分直接限流）
營銷號θ?=30%（超過就降權）
多樣性θ?=3類 θ?=5類（每10條視頻得包括3到5個不同方向）
賬號A（犯規的例子）：
一連發了好幾條手機殼廣告（營銷概率45%）
視頻背景永遠是白墻（這也太單一了）
被發現用了剪輯軟件的去水印功能（安全分掉到55）
結果，直接進”小黑屋”了。
賬號B（優質案例）：
做手機測評的，但每周發一條”數碼冷知識”（這叫保持多樣性）
帶貨視頻都有實際測試環節（把營銷概率降到了25%）
用”果機””卓機”代替敏感詞（安全分75）
結果，得了更多推薦流量。
終極大招破算法公式來了
上面根據抖音官方公布的推薦算法機制整理成了7條公式，那么我們又該如何根據這7條公式來做抖音，好讓我們的抖音能經常出爆款呢？
我們廢話不多說了，直接上干貨！
第一步，你得讓觀眾更想跟你互動
公式先放著，簡單說就是——讓觀眾更愿意動動手，比如點贊、評論啥的。你想啊，觀眾點開你視頻，看還是不看，是不是往后瞅瞅，那是算法最先盯的。所以，一開場你得搞個鉤子，勾住他們。
具體咋操作呢？
- 前3秒，砸個懸念：（舉例如）“嘿，99%的人還不知道的技巧，你想知道不？”
- 快結束時來個反轉：（舉例如）“最后3秒，絕對顛覆你認知！”
- 秀戰績：（舉例如）“我就用這個法子，漲了10萬粉，你不想試試？”
你得隔個15秒左右，就拋個互動點出來。
這么來：
- 讓人雙擊屏幕：（舉例如）“雙擊解鎖隱藏技巧！”
- 讓人評論：（舉例如）“想拿到這秘笈？評論區扣666！”
- 讓人分享：（舉例如）“快@你的好友，來挑戰下！”
這么做，不光是互動高了，視頻在算法那的分也上去了，一舉兩得。
第二步，讓視頻的分量在算法眼里更重
說白了，就是視頻的總分，要看幾個關鍵點：完播率、點贊、分享、還有關注。你想，這幾個點越亮眼，算法自然會更愛給你流量。
具體咋提升呢？
- 完播率，你得捉住它：視頻長度控制在23到28秒，最好，長了短了都差點意思。
- 點贊率，你可以試試這么說：（舉例如）“點個贊，下次好找，不虧！”
- 分享率，你得講：（舉例如）“這好東西，趕緊轉發給需要的人！”
- 關注率，不用太直接，說點誘導的話：（舉例如）“明兒還有更猛的，不關注就虧了！”
看見沒？這都是簡單能做的，主要就是讓觀眾覺得看你的東西，值！
第三步，利用算法的實時反饋調教它
說白了，就是讓算法快速調整對你的視頻的反應。小技巧是：自己先悄悄刷一波流量。
例如：
- 發出去后1小時，用小號從頭到尾看一遍，憋點贊，先走一遍完播。
- 再過個15分鐘，主賬號出馬，點贊加收藏，讓人覺著這視頻確實有點東西。
- 找不同IP的號，丟幾條走心的評論，讓他們多嘮嘮。
- 如果有錢，投點?DOU+?也行，記住：找相似達人粉絲，這樣來得更精準。
第四步，打破視頻初始流量的那堵墻
就是咋讓你視頻新出來那會兒，搶到第一波曝光，越多越好嘛。
該咋干？
- 抄爆款，怎么說？就是看看最近的爆款視頻，模仿它們，用一樣的BGM、封面、標簽啥的，借它們的勢頭。
- 遵紀守法，就是別動歪腦筋——不刷贊、不買粉，不該碰的詞離遠點兒。
- 選好發布時間：找準你的流量黃金時間，平常啥時候人最多，那一測便知，像晚上8點到10點那種。
做過這茬兒，初始流量有了保證，算法一見你這個人——哦，不賴，可以多推推。
第五步，別撞到平臺的各種“黃線”
平臺規矩你不用一條條背，就是讓你做一個像真用戶的號，別像個帶貨機器似的只管賣東西。得偶爾發點生活味兒的東西，人算法才不會覺得你是營銷號。
操作要點：
當個“真人”，有時候也發點接地氣的，生活碎片挺好，還帶點兒普通剪輯小毛病，輕微的剪輯瑕疵啥的，真點兒。
避雷，別亂用詞，特別那敏感詞、關鍵詞的，來點諧音梗，**像“微信”你可以說“VX”**啥的，小機靈鬼一樣能避開雷。
總的來說，我們有一個終極套路：
- 開頭扔炸彈鉤子，讓完播率（α）上的去。
- 15秒扔互動的炸點，點贊分享（β+γ）得多多的。
- 發布后一小時，上人工拉流量，讓反饋立馬見效（η）。
- 模仿爆款視頻外加定點發，突破冷啟動前期流量不足的問題。
- 定期來點兒“不沾邊”的內容，別光一套，減少營銷號味兒。
心法你要牢記：要讓算法覺得你的視頻能讓它更好完成它的KPI，那你自然而然就進它的心里去了，推起來妥妥的！
做到這步，大家都等著看你的視頻火爆吧！
本文為@字母榜原創，運營喵專欄作者
