为何有人在抖音上一夜爆红？一条15s的热门视频背后到底有什么秘密？基于大量短视频创作者面临着涨粉难、转化低的问题，卡思数据（ID：caasdata6）特推出了《抖音平台规则系列文章》，为广大短视频创作者指路。
读懂平台规则是玩转抖音的关键，本文将带大家一一剖析抖音背后的算法机制。
01
抖音审核机制
当用户上传一条视频时，视频会通过机器审核进行初筛。主要审核视频的标题、画面标题和关键词。如果机器判定疑似违规，视频会进入到人工审核阶段。人工确认违规后，将对视频进行删除或限流操作。如视频未违规，开始对视频进行消重操作，淘宝补流量平台，重复率高的视频将进入低流量推荐。
▲图源：抖音社区自律公约
▲图源：抖音社区自律公约
02
账号主页搭建
抖音在分配流量时会参考账号的权重，所以创作者不应忽视个人信息的搭建工作，要从官方认证、账号名、简介、头像、背景几方面进行完善。
①抖音官方认证
抖音官方认证是平台对用户身份真实性的确认，进行身份认证有利于为视频争取更多推荐位。抖音官方认证分为三种：个人认证、企业认证和机构认证。
用户点击设置—账号与安全—申请官方认证，进入申请页面按要求申请。个人认证需同时满足以下条件：发布视频数量大于1，粉丝数大于1万，绑定手机号，并且账号无违规记录。
②完善个人信息
账号信息的搭建以“华妃妃的美妆宝藏”为例，视频号刷点赞平台，该账号具有鲜明的个人风格。账号名简洁与账号的整体调性相符。个人简介用来描述账号定位并引导用户关注。背景图的设置与账号整体风格相呼应，再加以文字标识引导关注。
视频创作者要精心设计任何一个可以自定义的板块，为自己的账号提升转化机会。
▲图源：抖音红人“华妃妃的美妆宝藏”
03
抖音的推荐机制
抖音给予每位视频创作者与大号竞争的权利，众所周知抖音的流量分配是去中心化的，快手刷赞平台，即便没有粉丝的账号发布了视频，抖音平台也会为你分配小部分流量。只要内容足够优质，同样可以成为爆款。
①阶梯式流量池
抖音热门推荐机制分为三个阶段：初级推荐、多级推荐和热门推荐。
在初级推荐中，视频分发以附近、关注和好友为主，算法根据账号分值和视频分值两方面评定视频质量。账号分值根据个人信息完整率、是否为达人认证以及视频内容进行衡量。视频分值根据首波用户的转发量、点赞量、评论量、关注率及完播率来判定视频的表现情况。
优质视频会经历一次次地流量洗礼进入到更高的流量池中，最后出现在首页的推荐流。进入热门推荐后，如遇举报则进入人工审核，无举报开始持续推荐，通常推荐周期为1天~1周。
②热点加权算法
抖音会对当下热点新闻、热点话题给予推荐位，增大曝光力度，之所以创作时要紧追热点的原因也正是基于此出发点。
③账号权重算法
对于一个新账号来说，发布的前五个作品的视频质量决定了这个账号的权重。
对于持续一周发布的作品播放量都在100以下的视为僵尸号；播放量在100~200之间的视为低权重账号，持续半个月至一个月视为僵尸号；播放量在1000~3000为待推荐号，此时要注意维护点赞和评论数据以争取推荐位；播放量在1万以上为待上热门号。
④对优质视频持续维护
经常刷抖音的用户可能会发现，有些视频距离发布之初已有一段时间，但视频依旧出现在了热门推荐中，也有不少人提出“视频发第二遍会火”的建议，这是依据什么原理呢？
其一，抖音会持续挖掘优质内容，给它带来二次曝光。其二，有可能是首波没有推送给合适的受众，随着账号发布的内容更加垂直，系统分发用户更加精准了。
所以，如果视频未被推荐只要有持续的点赞和评论，淘宝补单平台，依旧有上热门的可能。
04
用户画像的判别
抖音为用户个性化推荐视频的前提是判断用户画像，了解用户的兴趣偏好。主要根据以下五个方面进行判别：
①用户基础属性：性别、年龄、地域和位置。
②观看兴趣属性：根据用户浏览偏好如点赞、评论和收藏；根据用户广告浏览偏好；根据各类型达人偏好行为定向，快手刷粉平台，如自身是母婴账号可定位为母婴偏好人群。
③环境终端画像：网络环境画像（wifi/移动网络）、运营商画像（移动/联通/电信）、设备品牌。
④互动行为画像：线上互动行为、线下互动行为。
⑤品牌自定义人群画像：品牌第一方人群、历史品牌广告高互动人群、根据品牌核心人群用户画像定位相似人群。
05
账号内容雷区
抖音官方鼓励用户发布原创、日常生活视频，在视频中要有真人出镜，种草开箱类视频不要出现价格诱导类的口播。另外，剧情类短视频进行带货时要将商品特性带入到剧情中，视频内容要和商品制造强关联。在视频创作时要尽量规避以下几类内容：
①图片轮播
②心灵鸡汤讲述类视频
③无口播拆箱视频
④街头采访，售卖不相关商品
⑤招揽式好物推荐
⑥尬演小剧场
对于短视频从业者来说，最重要的是了解平台规则，在此基础上利用内容去贴合算法，才能获得最大程度地曝光。随着抖音公信力的逐步扩张，抖音对于视频安全问题的把控更加严格，唯有遵守平台规则推崇正能量才能得到官方的推荐。
原文始发于微信公众号（卡思数据）
