视频号平台的推送机制

首先我们要看一下视频号的定位，视频号与公众号不同。对于内容创作者来说，公众号是一个中心化的产品，好像一个封闭的鱼塘，池塘好不好要看鱼有多少。而视频号是去中心化的一个产品，视频号好像一个广场，只要你的内容够好，就能吸引更多的人来观看你的内容。这个多怎么定义呢?有可能是全国的11亿微信用户，所以视频号的核心在于推荐机制。现在视频号还在内测阶段，就如同初期的抖音一样处于红利期。给大家看一组数据，公众号的打开率在3%左右，也就是说如果你有10000个粉丝，每篇文章的阅读量也就是300人。(快速涨粉涨赞上推荐!就去视频号速推网)

而截止到2020/4/14日华仔的视频号粉丝只有51人，但是单个视频***观看量已经达到1000+，华仔视频号总观看量已经达到5000+。这组数据也就是华仔不得不做视频号的原因，***是一波红利。上文已经讲过视频号的核心是微信团队设计的推荐机制，华仔花了2周时间预测（数据为往年仅供参考）每天都增加视频号，察觉到一些视频号推荐机制的蛛丝马迹，通过接下来的这两篇文章分享给你。推荐系统入门我们先对推荐系统入个门，如下图所示推荐分为三个阶段：召回、过滤、排序。什么是召回呢?就是通过一个一个的推荐引擎(推荐算法)，计算你喜欢的商品。简单介绍一下两个召回算法：比如基于用户的协同过滤算法(推荐引擎)，就是你朋友喜欢的东西你也有可能喜欢，物以类聚，人以群分的算法。第二个是基于物品的协同过滤算法(推荐引擎)，我们都知道啤酒与尿不湿的案例，假如你在超市买了啤酒就很有可能买尿不湿。

这个算法认为如果大多数人买了商品A，又买了商品B，那么A和B就是比较相似的。假如你买了A，我就可以给你推荐B。再来看下什么是过滤，比如在视频号你刚增加了某个明星的短视频，接下来是不需要再给你推荐某个明星的这个视频，还有比如在电商网站你买过的东西，近期就没必要再推荐给你，这就是过滤。***看一下什么是排序，比如基于用户的协同过滤算法推荐出来了商品A，你喜欢的概率是0.98，基于物品协同过滤算法推荐出了商品B，你喜欢的概率也是0.98。那我应该把A优先推荐给你还是把B优先推荐给你呢?两套算法都相互不服，就好像两个武林高手谁都不服谁，那么我只能这样做，请一个裁判再给两套算法比个武，谁赢优先推荐谁。这就是排序算法。基于用户协同过滤的视频号推荐算法,首先对于社交产品最重要的一定是华仔的好友数据，华仔的好友都看了那些视频，那个视频华仔的好友看的最多，那么就可以优先把这个视频推荐给华仔看，说不定华仔也喜欢看。所以华仔的朋友千万不要看不良内容，说不定华仔就增加到了。这就可以用到基于用户的协同过滤算法。当增加到第九个时，后面连续都是 提示 “多位朋友看过，说明视频号用到了基于用户的协同过滤，而且推荐结果在排序算法中权重很高。基于用户标签的视频号推荐算法,其次腾讯知道华仔关注了384个公众号，公众号在创建时是需要选择类别的，另外公众号发文章时时也要选择类别，华仔平时会看什么类型的公众号、看那些类型的文章，腾讯都知道，就可以给华仔打上各种各样的标签。(快速涨粉涨赞上推荐!就去视频号助推网)

比如经常看产品经理、汽车、美食相关的公众号和文章，那么腾讯就会给我打上产品经理、汽车美食等等标签。有了这些标签就可以给华仔推荐相关的视频，于是华仔的推荐列表里出现了“1.YYP颜宇鹏车言论、“7.产品经理看世界 、迪哥爱吃 这些视频。这里又产生了一个问题，微信视频号是怎么找到产品经理、汽车、美食相关的视频呢?一定要给这些视频打上产品经理、汽车、美食相关的标签，这里发现了视频号给视频打标签的三种方式：比较好是通过视频的标题关键字，这个是最直接的，因为“1.XXX说车、“7.产品经理看世界 这两个视频的标题就包含了车和产品经理，微信可以通过视频的标题给视频打上 汽车和产品经理的标签。然后可以基于华仔个人爱车、产品经理、美食的标签匹配视频的标签，这样就完成了推荐。第二个是利用用户填的话题，当用户用视频号创建一个视频时，用户可以针对视频选择一个话题，其实用户输入的话题就间接的给视频打上了标签。如#微信读书#这个标签，点击标签是可以看到标签下的视频的。