本篇文章以微信視頻號個性推送算法為例，分析其算法機(jī)制。作者以召回、排序、混排三個方面舉例，方便讀者理解。希望本篇文章能對你有所參考幫助。

前幾天我們分析了B站的推薦算法機(jī)制《B站的推薦算法機(jī)制大揭秘！》，今天我們來分享一下微信視頻號的推薦算法機(jī)制。

根據(jù)最新公示的微信視頻號個性推送算法的介紹，視頻號會從精選內(nèi)容庫里個性化選取用戶感興趣的內(nèi)容推薦給用戶，從而實現(xiàn)個性化推薦。

下面挖塘人就為大家通俗易懂地解析一下這個推薦算法。

從微信視頻號個性化推送算法機(jī)制機(jī)理的介紹中可以清晰地知道，我們的內(nèi)容需要通過以下幾個環(huán)節(jié)，才能推薦給用戶：

一、召回

根據(jù)微信視頻號的產(chǎn)品設(shè)計，它的召回有三個頻道，即關(guān)注、朋友、推薦。

關(guān)注頻道主線是召回該用戶關(guān)注賬號發(fā)布的內(nèi)容，支線是本地內(nèi)容，好友發(fā)布的內(nèi)容以及用戶可能感興趣的內(nèi)容。

朋友頻道主線是召回該用戶好友點贊的內(nèi)容，支線是該用戶可能感興趣的內(nèi)容，好友看過的內(nèi)容等。

推薦頻道主線是召回主要是該用戶可能感興趣的內(nèi)容，支線是好友看過的內(nèi)容，新聞熱點等內(nèi)容。

而且，視頻號的召回是實時的。比如你看了一個高考查分的視頻，給算法的數(shù)據(jù)反饋不錯，那么你接下來就會多次看到高考查分的視頻。

二、排序

上面的召回環(huán)節(jié)是從內(nèi)容庫里初步篩選內(nèi)容，在數(shù)量上會比較多，而排序則是更精細(xì)化的篩選。

一方面是通過視頻的播放量、點贊、評論、分享、關(guān)注等數(shù)據(jù)指標(biāo)進(jìn)行篩選排序，過濾掉評分比較低的內(nèi)容；另一方面去掉一些視頻質(zhì)量差（包括畫面模糊、聲音卡頓等）或者內(nèi)容質(zhì)量差（包括同質(zhì)化內(nèi)容、沒有實質(zhì)性內(nèi)容）的內(nèi)容。

所以經(jīng)過排序后，進(jìn)入推薦池的內(nèi)容在數(shù)量上會少很多。

三、混排

混排環(huán)節(jié)一般使用的是融合排序算法，這個和之前分享的b站算法類似，都是給作品進(jìn)行加權(quán)計算，最后得出最終的排序并展示給用戶。

下面我們列舉一個細(xì)化一點的例子來幫助大家理解：

假設(shè)ABCD四個賬號分別發(fā)布了作品a、b、c、d，混排的動態(tài)加權(quán)公式為：

最終排序分=內(nèi)容權(quán)重分*0.8+內(nèi)容熱度分*0.1+賬號權(quán)重分*0.1

其中內(nèi)容權(quán)重分的指標(biāo)包括播放量、播放時長、點贊、評論、分享、關(guān)注等，內(nèi)容熱度分是根據(jù)搜索指數(shù)動態(tài)變化的，賬號權(quán)重分包括賬號的粉絲量、活躍度、違規(guī)行為等指標(biāo)。

下面我們分別給四個作品隨便賦個值：

根據(jù)上圖的結(jié)果，我們看到最終的排序結(jié)果是a、c、b、d。

當(dāng)然，視頻號的最終排序公式比這個例子更復(fù)雜，而且它還是動態(tài)的，所以要“抓住”視頻號的推薦算法是很難的，但是我們可以從數(shù)據(jù)的角度可以找到一些獲取更多流量的方法，因為算法都是基于數(shù)據(jù)的。

首先在召回環(huán)節(jié)，我們可以在作品中植入多個垂直的興趣標(biāo)簽。

比如一條做短視頻運營的內(nèi)容，我們就可以植入自媒體、短視頻運營、運營技巧等多個同領(lǐng)域的標(biāo)簽。這樣方便算法根據(jù)標(biāo)簽把作品納入相關(guān)的作品庫。

同時，地理位置、用戶互動、用戶基數(shù)等數(shù)據(jù)維度也可以適當(dāng)?shù)財U(kuò)大作品的曝光。

其次在排序環(huán)節(jié)，為了我們的作品能夠順利地通過這個環(huán)節(jié)，那么需要保證作品的視頻質(zhì)量沒問題，內(nèi)容質(zhì)量也過關(guān)。

同時在作品數(shù)據(jù)方面，我們可以適當(dāng)引導(dǎo)用戶互動，比如引導(dǎo)點贊、評論、轉(zhuǎn)發(fā)等，這樣可以提升作品的權(quán)重分，分?jǐn)?shù)越高就越容易進(jìn)入下一個環(huán)節(jié)。

最后是混排環(huán)節(jié)，由于視頻號的推薦算法是動態(tài)的，如果用戶多看了幾眼某類視頻，那么接下來就會出現(xiàn)很多同類型的視頻。

假設(shè)你的視頻已經(jīng)進(jìn)入了推薦列表，排在第二位，按照正常的邏輯，用戶看完上一個視頻就會看到你的作品了。

但是該用戶把上面的視頻看了很多次，停留時間長，這時候算法收到的數(shù)據(jù)反饋就動態(tài)召回了和前一個視頻類似的作品，而你的作品就不會被推薦了。

這樣的機(jī)制有好處也有不好的地方，好的地方是你的作品也可以被其他作品「召回」，不好的地方就是出現(xiàn)上述場景，本來就到你了，結(jié)果被動態(tài)召回了。

基于這種情況，我們是無法左右算法的。但我們的作品權(quán)重、賬號權(quán)重、內(nèi)容熱度等各種分?jǐn)?shù)都不錯的話，那作品排第一推薦的機(jī)會就大，這樣就不會因為動態(tài)召回而損失了推薦流量。

以上就是今天的內(nèi)容，希望對你有幫助。