⑴ 論Tik Tok的流量演算法
和其他國外本土社交媒體平台的演算法不同，TikTok是一個 強興趣導向 的平台。
那麼就更需要去了解他的演算法機制。
1. TikTok去中心化演算法
一句話概括，平台不負責流量分配，只負責匹配。
去中心化分發機制是用戶依靠自己對視頻封面和標題的判斷，決定是否打開視頻進行觀看，該機制對所有的視頻都是公平的，一個剛注冊的賬號上傳第一個視頻也可能成為爆款。
造成的結果就是大V形成不了壟斷地位，必須持續的輸出優質的視頻才能吸引用戶。
除了頭部玩家以外，粉絲量沒有太大意義，因為TikTok平台更像是公域流量，雖然你的賬號是你的，內容是你的，但用戶使用TikTok更像是在讀本知識網路，在不斷的挖掘發現新的內容，粉絲沒有太大的粘性。
小白的賬號，只要你參與不違規也能活，新人進場永遠有機會！
2.TikTok演算法
當你發布一個視頻，TikTok平台會自動抓取視頻里的關鍵內容進行分析，然後推給對應的受眾，保證視頻有一定的推廣和流量。
3. TikTok疊加流量
在網路環境安全的情況下，TikTok會給每一個作品提供一個流量池，通過這個流量池反饋視頻的傳播效果，決定是否將內容放到更大的流量池中，因此應當想盡辦法讓視頻作品有突出表現。
TikTok演算法根據視頻的內容、質量、表現逐級進行曝光推薦，實現階梯型增長。
所以我們在一開始製作視頻內容的時候，要盡可能地提高點贊、評論、轉發要素，做好視頻內容。
4.TikTok人工演算法
人工是檢查你的標題、文字內容有沒有違規，敏感詞彙和其他平台的分流等，以彌補電子演算法的漏網之魚。
⑵ 抖音和快手的區別在哪裡
抖音和快手的區別源於產品觀不同。抖音從內容消費者角度思考，傾向於消費體驗。快手是社區，從內容生產者角度思考，強調多元化、平民化和去中心化，剋制不打擾用戶，滿足用戶「記錄和分享」需求。比如抖音向我推送的大多是網紅明星廣告，快手可以讓我自己選擇想看的視頻。另外，快手的製作門檻更低，更方便分享，我自己平時也不會剪輯，但是用快手也能添加特效和音樂發布我拍攝的視頻，非常方便。我覺得抖音和快手的區別主要就在這兩點。
⑶ 快手和抖音用戶粘性差距
一、流量分發機制的差異性
①快手採用「去中心化」的流量體系，引入曝光上限和基尼系數來調控社區生態，對頭部流量進行限流，保 證了新發布視頻的初次曝光量級，給予長尾用戶更多曝光機會。近期由去中心化的「流量普惠」分發到去中 心化與中心化兼具。（抖音中心化，爆款機制、媒體性強）
②抖音採用中心化的流量分發機制，使用多級流量池分級推薦，注重完播率和點贊率，更加註重頭部、精品 和熱點，具備強媒體性質和優秀的用戶體驗。（快手去中心化，社交性強）
二、快手下層市場用戶更具優勢
根據國家統計局，2018 年中國大專及以上受教育程度的人口僅占總人口13%，還有約87%的人沒有接受過高等教 育。而快手選擇讓那些87%的人群能夠更好的表達和被關注。普惠最根本的邏輯就是每個人都值得被記錄。這樣 的價值觀、考核指標和普惠演算法不斷激勵普通創作者創作作品。
⑷ 平台流量推送邏輯
流量分散，渠道多元。想要獲取流量，還真就得了解各個主流平台的流量演算法。
四大主流平台抖音、小紅書、知乎、視頻號的流量演算法底層邏輯。
一、抖音
抖音的流量演算法幾乎是所有流量平台中最為復雜的，當然也是流量最大的。
抖音是典型的「標簽」對「標簽」的平台。
如果你是用戶，平台會根據你平時的瀏覽喜好把你的關注點拆解成大約150個標簽，你能刷到哪些視頻一定程度上是你的用戶標簽決定的。如果瀏覽喜好發生變化，用戶標簽也會隨之變化，刷到的視頻也會跟著標簽而變化。
如果你是創作者，平台會根據你發布的內容形成創作者標簽，標簽數量同樣是150個，如果發布內容產生變化，創作者標簽也會隨之變化。
創作者發布視頻後，視頻會根據創作者標簽匹配相似的用戶標簽，這就是上面我們講過的「標簽」對「標簽」的流量演算法。
短視頻匹配到用戶後，會通過該視頻的數據表現來衡量該視頻是否值得進一步的推薦。
抖音對單個視頻的推薦，會考核5個關鍵數據。
1）完播率
完播率=觀看時間/作品時間
完播率越高，說明作品越吸引人觀看，大盤的合格線通常是15%-20%左右，40%-50%以上的完播率就已經很優秀了。要想辦法做高完播率，通常的方式是開頭設置懸念或者引導打開評論區，拉長觀看時間。
如果是新號的話，建議前期視頻時長不要太長，時長越長，完播越低，除非視頻質量極佳。
2）點贊率
點贊率=點贊量/播放量
點贊量越高，推薦量才會越高，第一波推薦的點贊率至少要達到3%-5%，也就是說每100個播放量，至少要有3-5個點贊。
3）留言率
留言率=留言量/播放量
留言率的數據高低跟視頻類型有很大關系，不好用平均數據去衡量，但確定的是留言率表現越好，加權推薦就越高。所以，創作者可以主動在視頻中或者文案、評論區引導評論，提升留言率。
4）轉發率
轉發率=轉發量/播放量
轉發率對於還在初級流量池流傳的視頻影響並不大，但想要突破流量層級，轉發率就是很關鍵的指標。
5）轉粉率
轉粉率=關注量/播放量
也就是路轉粉的比例，單條視頻帶來的新增粉絲率，同樣是沖擊高級流量池的關鍵數據。
抖音平台是一個巨大的流量池，抖音推薦機制是一個漁網，視頻內容是魚餌。
如果你的視頻的五個關鍵數據都能取得較好的數據表現，那麼進入到中高級的流量池繼續流轉的可能性非常大。
抖音的流量池有也有它的法則。視頻發布後會進入冷啟動池，流量通常是是300-500，一般是由粉絲+朋友+可能認識的人+少量標簽匹配的用戶構成，因為冷啟動池的流量構成最為復雜，也是最難突破的流量池，這就要考驗，你的粉絲是否精準，內容是夠優質，如果關鍵數據達標會進入到初級流量池。
初級流量池的流量大約在1000-5000左右，同樣需要繼續觀察視頻在初級流量池的變現，如果數據繼續過關，將進入中級流量池。
中級流量池就有10000以上的播放量，同理看數據表現；
高級流量池就有十萬+以上的播放量了，上不封頂。
二、小紅書
小紅書的演算法和抖音類似，也是「標簽」對「標簽」的流量演算法。
不同的是，基於不同的用戶習慣，抖音更側重主動推薦，小紅書更側重搜索推薦。
基於小紅書的平台定位，超過65%的流量來源於搜索，所以在搜索流量演算法上更精細一些，所以這里側重講一下搜索流量演算法的邏輯。
搜索結果與需求的匹配主要是核心關鍵詞與query的匹配度，搜索結果中展示的具體內容是通過分析用戶需求，找到最能命中用戶需求的信息。
一篇筆記標題中的關鍵詞可謂是重中之重，官方也明確提示：「填寫標題會有更多贊哦」。
由此可見，標題是小紅書官方用來識別內容屬性的重要選項，想要讓筆記獲得更多的展現，最基礎的工作就是要做好標題的優化。
我們要善用搜索的關鍵詞、熱詞推薦等來幫助我們找到筆記核心詞，以便能讓系統識別並推薦給對應用戶。
從推薦內容找核心詞
推薦內容包括幾個方面，搜索框置灰關鍵詞，頁面顯示的歷史搜索，熱搜詞。
1）默認提示詞
點開搜索還未輸入搜索詞之前，平台會根據用戶標簽推薦默認提示詞，默認提示詞中存在一定量的搜索流量。
2）搜索發現（熱門搜索）
熱門搜索把最近一段時間被搜索次數最多的詞展示出來，去引導用戶看一些最近熱門的內容和用戶搜索量大的話題推薦，跟用戶的搜素量和近期的熱門話題相關。
3）補充聯想關鍵詞
補充聯想關鍵詞，即用戶輸入部分內容，然後系統根據這些內容聯想出完整內容，自動補全關鍵詞，通過即時匹配關鍵詞並展示出來，增加用戶的選擇。我搜了顯瘦，平台就給我推薦了關於顯瘦的幾個關鍵詞推薦。
考慮熱詞排序是綜合展示的結果。除了筆記數外，「熱詞」 的熱度排序可能還牽涉到兩個方面的因素：用戶主動搜索的頻率，以及筆記本身被系統推薦的熱度。
搜索之後，系統根據搜索詞進行演算法匹配，把所有結果都展示出來。而如果這個關鍵詞是相關品類中范圍比較大的詞彙，那麼就能看到在界面上半部分有一些專門的標簽詞彙提供分類篩選的功能。這種方式對於用戶無目的搜索的體驗會更好。同時將最熱門的筆記排在前面，這種搜索結果的展示形式以及篩選條件，目的都是為了縮小選擇范圍，幫助用戶快速選擇。
關於關鍵詞的選擇有以下幾點值得注意：
1）小紅書的熱搜推薦是平台短期流量內容的標識；搜索提示關鍵詞、篩選熱門是長期流量所在，來源於小紅書真實的用戶數據分析和總結。
2）一定要優先選擇競爭度小流量大且比較精準的關鍵詞，避免選擇寬泛的關鍵詞。
3）學會反推關鍵詞。確定筆記主題及關鍵詞後，要去反推希望用戶用什麼關鍵詞能搜到自己的筆記，考慮如果自己去搜這類筆記會用哪些常見關鍵詞去搜。
4）在筆記標題、正文、話題、評論等位置合理的布局關鍵詞，有助於筆記被收錄及精準推薦。避免堆砌關鍵詞，堆砌關鍵詞會被系統判定為廣告，長期這樣操作，賬號會被系統降權。
三、知乎
首先是針對搜索流量，知乎的搜索排名其實跟搜索引擎是有類似的，內容需要先進行收錄，然後才能提升搜索詞排名。
一方面需要看內容和搜索關鍵詞的匹配度，匹配度越高，收錄的概率也就越大；另一方面，優質賬號的權重更高，能夠獲得的搜索詞排名也會更高；最後，內容的熱度也會影響搜索排名，總之越熱門的內容排名會更加靠前。
當然，搜索還涉及到問題下回答的排名，一般來說，搜索詞收錄該問題後，會抓取問題下其中一條高贊的回答展現，除此之外，因為用戶的習慣一般會參考不止一條回答，那麼該問題下自然排序第一的回答，也有更大的曝光概率。
所以，如果能夠實現搜索詞+問題下的排名都非常靠前，那麼流量自然就會更好；如果不能實現兩者均很靠前，那麼起碼要實現有一條在靠前的位置。
第二是針對推薦流量，推薦流量是通過知乎的推薦演算法，然後將內容推送給用戶。
一般來說，推薦演算法會先將內容推送給一小部分人，然後收集反饋數據，如閱讀完成率、贊同率、互動數據等，來判斷這條內容是否值得持續推薦。
第三是針對熱榜流量，熱榜是知乎的全站實時熱門內容合集，其維度主要是看24小時的瀏覽量、互動量和領域權重來計算。
想要內容上熱榜，那就必須要在短時間內有大量的領域內用戶參與互動，形成不錯的聲量後，內容自然熱度就提升上去了。
當然，針對視頻類內容，其分發機制跟推薦類似，而且有單獨的榜單支撐，參考即可。
第四是綜合演算法，和頭條、抖音等平台不同的是，知乎採用的是威爾遜演算法，即根據內容的點贊、反對、收藏等數據，按照威爾遜公式來決定內容的推薦和排名。
u代表內容的贊同數，v代表內容的反對數，p則代表內容的贊同率=贊同數/（贊同+反對），而Z則是與權重相關的數字。
演算法公式雖然很復雜，但大家只需要記住最核心的一點：贊同率比贊同數重要，反對率比贊同率重要。
和其他內容平台不相同的是，除了點贊和互動，知乎用戶還可以給不同意的內容點反對票，而反對票數一定程度上將會影響回答排名。
四、視頻號
微信視頻號和其他流量平台的演算法完全不同，視頻號的分發機制是基於社交推薦和個性化推薦。
1）社交推薦
社交是微信生態的先天基因，所以對於微信視頻號來講，社交關系鏈同樣非常重要，比如你的好友發布和點贊的內容，會優先推薦。一個作品，你的好友點贊收藏互動多的話，你的閱讀量曝光量就會上升，相反，如果非好友進行點贊收藏的話，對於你作品的曝光低於好友點贊收藏。
所以，你微信好友的點贊收藏互動對於作品提升權重有很大的影響。
其實這個就跟公眾號的「在看」和「點贊「的邏輯相似，比如你給某個文章（視頻）點了「在看」，你好友將會在微信「看一看」刷到這個文章（視頻），你好友點贊了，他的好友也可能會刷到這個作品，以此類推。
2）個性化推薦
指的是系統會根據用戶的日常行為、活動軌跡和興趣、職業、年齡等標簽，通過一系列大數據演算法，推測出用戶可能喜歡的內容。因為微信本身就擁有11億的超級用戶畫像和各種演算法機製作為參考。
不過目前由於微信視頻號尚處於熱啟動階段，目前資料庫並不全面，採用的數據源都是從微信大盤抓取，演算法基本會採用興趣標簽+定位+熱點+隨機推薦。
所以無論是發視頻還是發圖片，添加話題和定位更有助於個性化推薦。這一點跟抖音的推薦演算法有點相似，只不過目前還不夠成熟。
3）去中心化的推薦演算法
視頻號雖然是基於社交推薦，但每個人的社交關系鏈畢竟有限，當一個作品已經在完整的社交關系鏈獲得了展現且取得了較好的數據表現後，視頻號會進行社交關系鏈以外的擴大推薦，邏輯類似於抖音的「標簽」對「標簽」，這里不做過多延展。
以上就是抖音、小紅書、知乎、視頻號的流量演算法，相信大家仔細閱讀後會對四大平台有新的了解和認識，如果還有不明白需要交流的地方歡迎來找我交流。