短視頻的內(nèi)容推薦與分發(fā)是一個(gè)復(fù)雜且關(guān)鍵的過程,以下是對其的簡要介紹:
1.推薦機(jī)制
抖音:采用深度學(xué)習(xí)模型和去中心化推薦機(jī)制,通過神經(jīng)網(wǎng)絡(luò)預(yù)估用戶行為。它利用多模態(tài)特征識別技術(shù),對視頻的文本、視覺、音頻特征進(jìn)行深度分析,再根據(jù)完播率、點(diǎn)贊率、評論率等用戶行為指標(biāo)綜合計(jì)算,決定視頻的推薦程度。
小紅書:以 CES 評分(社區(qū)參與度評分)為核心,采用 “內(nèi)容標(biāo)簽 + 用戶標(biāo)簽” 的雙向匹配機(jī)制。系統(tǒng)通過 NLP 技術(shù)提取標(biāo)題和正文中的關(guān)鍵詞,與用戶興趣標(biāo)簽匹配,并根據(jù)互動數(shù)據(jù)計(jì)算 CES 分?jǐn)?shù),分?jǐn)?shù)越高越有可能進(jìn)入下一級流量池。
視頻號:核心邏輯是 “私域流量撬動公域流量”,內(nèi)容權(quán)重約占 50%,社交關(guān)系鏈權(quán)重較高。用戶點(diǎn)贊和互動后,其微信好友可能看到該內(nèi)容,形成第一波推薦,之后再基于用戶行為標(biāo)簽與內(nèi)容特征標(biāo)簽的匹配,進(jìn)行個(gè)性化推薦。