惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

小众软件
小众软件
博客园 - Franky
罗磊的独立博客
G
Google Developers Blog
The GitHub Blog
The GitHub Blog
P
Proofpoint News Feed
Recent Announcements
Recent Announcements
V
V2EX
F
Fortinet All Blogs
阮一峰的网络日志
阮一峰的网络日志
Blog — PlanetScale
Blog — PlanetScale
月光博客
月光博客
U
Unit 42
GbyAI
GbyAI
A
About on SuperTechFans
WordPress大学
WordPress大学
Engineering at Meta
Engineering at Meta
雷峰网
雷峰网
Microsoft Azure Blog
Microsoft Azure Blog
Martin Fowler
Martin Fowler
D
DataBreaches.Net
The Cloudflare Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
MongoDB | Blog
MongoDB | Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
抖音算法推荐的“黑箱逻辑”:3步拆解内容分发机制
健彬的产品Live · 2025-05-07 · via 人人都是产品经理

不知道你们有没有过这样的体验,打开抖音,仿佛进入了一个专属于自己的奇妙世界,里面推送的视频全是自己感兴趣的。这背后其实隐藏着抖音强大的算法推荐“黑箱逻辑”。今天呀,咱们就结合字节跳动“40 - 20 - 10”留存率规则,来深入剖析一下抖音内容分发机制这道神秘的谜题。

一、走进“40 – 20 – 10”留存率规则

在深入了解抖音算法推荐之前,咱们先弄清楚什么是字节跳动“40 – 20 – 10”留存率规则。简单来说呢,这个规则就像是一个严格的筛选机制。当一款产品推向市场后,在最初的一段时间里,能够达到 40%的次日留存率,20%的 7 日留存率,10%的 30 日留存率,就说明这款产品很有可能会取得成功。

咱们拿某短视频 APP 来举例吧。它刚上线的时候,运营团队就特别关注这些留存率指标。一开始,他们发现次日留存率只有 30%,远远低于 40%的标准。于是,他们开始深入分析用户数据,发现很多用户在注册后,因为找不到自己感兴趣的内容,很快就流失了。基于这个发现,团队对算法进行了优化,加强了内容推荐的精准度。经过一段时间的调整,次日留存率提升到了 42%,这就为产品的进一步发展奠定了良好的基础。抖音作为字节跳动旗下的王牌产品,自然也是严格遵循这个留存率规则来进行算法设计和内容分发的。因为只有保证用户的留存率,才能让抖音在激烈的短视频竞争市场中脱颖而出。

二、抖音内容分发机制的第一步:初始流量池

当一个创作者上传了一个新的视频后,抖音并不会直接将这个视频推送给所有用户,而是会先把它放入一个初始流量池。这个初始流量池就像是一个小舞台,只有表现优秀的视频才能有机会进入更大的舞台。一般来说,这个初始流量池可能会有几百到几千不等的用户。

那抖音是怎么选择放入初始流量池的用户呢?这就涉及到用户的画像和兴趣标签了。抖音会根据用户平时的浏览习惯、点赞、评论等行为,给每个用户贴上各种各样的标签,比如“美食爱好者”“健身达人”“旅行达人”等等。当一个新视频上传后,抖音会根据视频的内容打上相应的标签,然后把这个视频推送给那些标签与之匹配的用户。

比如说,一个美食博主上传了一个制作蛋糕的视频,抖音会把这个视频推送给那些被标记为“美食爱好者”的用户。在这个初始流量池里,抖音会观察用户对这个视频的反馈,比如播放完成率、点赞数、评论数、转发数等。如果这个视频在初始流量池里的表现非常好,各项数据指标都超过了一定的阈值,那么它就有机会进入下一个更大的流量池。要是表现不佳,可能就会被埋没在众多视频中了。据统计,在初始流量池里,能够进入下一个流量池的视频大概只占 10% – 20%左右。

三、抖音内容分发机制的第二步:多级流量池晋级

一旦视频在初始流量池里表现出色,它就会像一个升级打怪的勇士一样,进入到更大的流量池。这个过程是一级一级递进的,每一级流量池的用户数量都会大幅增加。

在这个晋级过程中,“40 – 20 – 10”留存率规则也在默默地发挥着作用。就拿次日留存率来说,如果一个视频能够在一级流量池里吸引到大量用户的关注,让这些用户在第二天还愿意回到抖音来看这个视频或者相关的视频,那么这个视频就更有可能进入到下一级流量池。

举个例子,有一个舞蹈视频在初始流量池里获得了很高的点赞和评论,成功进入了二级流量池。在二级流量池里,它又吸引了更多的用户关注,并且这些用户中有很大一部分在第二天还继续留在抖音观看舞蹈类的视频,这就说明这个视频符合用户的兴趣,能够提高用户的留存率。于是,抖音就会把这个视频推向三级流量池,让更多的用户看到它。这个多级流量池晋级的过程,其实就是一个不断筛选优质内容的过程,只有那些真正能够吸引用户、让用户产生留存的视频,才能一路过关斩将,获得更多的曝光机会。

四、抖音内容分发机制的第三步:热门推荐

当一个视频经过多级流量池的考验,成功进入到热门推荐阶段时,那就说明它已经成为了一个超级爆款。在这个阶段,抖音会把这个视频推送给几乎所有的用户,让它获得巨大的曝光量。

不过,要进入热门推荐可不是一件容易的事情。除了要在前面的流量池里表现出色外,还需要符合当下的热点和趋势。比如说,在某个节假日期间,和这个节假日相关的视频就更容易获得热门推荐。又或者当某个明星发布了一个新的动态,和这个明星相关的视频也可能会受到更多的关注。

以春节期间为例,抖音上很多关于春节习俗、年夜饭制作、拜年等相关的视频都获得了热门推荐。这些视频不仅内容符合节日氛围,而且在前面的流量池里也积累了很高的人气。一旦进入热门推荐,这些视频的播放量就会呈几何倍数增长。有的视频甚至在短短几天内就能获得上亿的播放量。这就是抖音热门推荐的强大威力。

五、“40 – 20 – 10”留存率规则对抖音算法推荐的重要性

“40 – 20 – 10”留存率规则就像是抖音算法推荐的指南针,它始终指引着抖音把优质的、能够吸引用户留存的内容推送给用户。通过这样的留存率规则,抖音能够不断优化自己的算法,提高内容推荐的精准度。

对于创作者来说,了解这个留存率规则也非常重要。因为只有创作出符合用户兴趣、能够让用户产生留存的内容,才能在抖音上获得更多的曝光机会和粉丝关注。比如说,一个创作者想要在抖音上做好美食视频,就需要关注用户对美食的喜好趋势,不断提高视频的质量和趣味性,让用户在看完视频后还想继续看更多自己的作品,这样才能提高自己视频的留存率,从而在抖音的算法推荐中获得优势。

亲爱的小伙伴们,今天咱们一起深入了解了抖音算法推荐的“黑箱逻辑”,通过结合字节跳动“40 – 20 – 10”留存率规则,一步一步拆解了抖音的内容分发机制。希望这些知识能够帮助大家更好地理解抖音这个神奇的平台,无论是作为用户还是创作者,都能在抖音上找到属于自己的乐趣和价值。

好啦,今天的分享就到这里啦!如果你对抖音算法推荐还有其他的疑问或者想法,欢迎随时和我交流讨论哦。咱们下次再见啦,祝你在抖音的世界里玩得开心!

本文由人人都是产品经理作者【北沐而川】,微信公众号:【健彬的产品Live】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。