今年上半年，通过抖音信息流的实操，好几个类目产品的流量，都一改站内流量下滑的趋势；并通过抖音直通车引爆站外流量，突破了站内流量瓶颈，起爆了一票儿产品。
今天，就从抖音短视频的内容算法开始给大家分享，如果大家喜欢，会详细的分享——如何通过抖音信息流和抖音直通车，逆转店铺的流量瓶颈！
短视频内容从算法
一、推荐算法：基于用户行为的协同过滤：
协同过滤的基础：把用户的消费行为作为特征，以此进行用户相似性的、或物品相似性的技术，进行信息匹配。
协同推荐：
基于物品：先确定用户喜欢的物品，再推荐相似的物品推荐给用户。
基于用户：先找到与用户某一口味相似的人群，将这些人喜欢的新东西，推荐给用户。
基于模型：通过用户的喜好建立算法模型，实时预测用户可能的点击率。
二、推荐机制：
基于垂直个性化视频推荐
基于用户的消费历史推荐
基于TOP热榜的推荐
基于时下流行的推荐
基于继续观看的场景 ：
基于用户未看完的内容，或正在追的剧集进行推荐；
综合考虑上一次观看的时间、行为等，进行动态排序；
基于用户行为，考虑到共享账号，推断当下的用户是谁；
基于搜索场景：
在搜索的场景下，主要用户搜索词和搜索结果的补充推荐；
三、推荐最简单的方式就是:贴标签
标签：在不同的应用场景下，对标签进行有针对性的投射，抽象出的事物更具有表意性，更具有显著的特点。可通过多个不同的标签，以换取信息匹配效率最大化。
其中必须考虑标签分类的权威性，和信息的完备性，避免因为节点覆盖不全，或分类错误，导致对用户认知出现问题。
标签的产出：
1、为了更好的打标签，借助产品层的调整和引导，做用户标签的产出；
2、基于某一纬度的特征，将相关物品组合，并告诉你这个物品与哪个集合相似。
四、推荐服务的目标：
对于产品主场景而言，用户留存是第一目标，只有把用户留下来了，才有持续探索的可能性，所以推荐机制的目标是留存用户。
五、推荐系统评估指标；包括推荐精准度和推荐覆盖度。
